К содержимому
Компьютерное зрение

Sophon-Realtime-4B-Flash

полнодуплексный голосовой ИИ для видеокарт на 24 ГБ

2 мин чтенияобновлено

Компактная 4B-версия голосовой модели от adventists-ai, которая умеет слушать и говорить одновременно (full-duplex — режим двустороннего общения в реальном времени, как в обычном телефонном разговоре). В основе лежит открытая речевая модель DuplexJev-4B-Para с вшитым адаптером генерации звуковых тегов, связанная с лёгким и быстрым синтезатором речи. В отличие от тяжёлых 32B-сборок семейства и классических голосовых пайплайнов с долгой паузой перед ответом, версия Flash помещается в 24 ГБ VRAM, начинает говорить через 0,21 секунды и умеет перебиваться, вставлять реакции (back-channels) и озвучивать смех или вздохи. Подойдёт разработчикам локальных голосовых ассистентов, виртуальных компаньонов, игровых персонажей и исследователям диалоговых систем.

Ключевые особенности

  • Минимальная задержка: первое аудио появляется за 0,21 секунды (замер для одного пользователя на RTX PRO 6000), синтез идёт с шагом один прямой проход на фрейм 80 мс.
  • Живая подача и теги эмоций: модель сама расставляет и озвучивает теги [laughter], [cough], [sigh], [breath] и логические ударения.
  • Настоящий full-duplex: отслеживает по интонации, закончил ли собеседник фразу, реагирует во время речи пользователя и корректно отрабатывает перебивания (barge-in).
  • Готовый API из коробки: разворачивается как единая модель в vLLM-Omni с эндпоинтами /v1/realtime (совместим с OpenAI Realtime) и /v1/chat/completions.
  • Клонирование голоса: поддерживает zero-shot клонирование голоса (перенос тембра по короткому образцу без дообучения) и режим Live.

Что можно сделать

  • Локальный голосовой компаньон или NPC: развернуть отзывчивого персонажа для игр или стримов, которого можно перебивать на полуслове и который реагирует смехом или вздохами.
  • Голосовой бот на базе OpenAI Realtime API: подключить модель к существующему клиенту через /v1/realtime на собственном сервере с одной картой на 24 ГБ.
  • Исследование диалогов (turn-taking): использовать модель как открытый стенд (лицензия Apache-2.0) для изучения пауз, перехватов инициативы и естественных реплик в речи.

Пример

git clone [https://github.com/adventists-ai/sophon-realtime](https://github.com/adventists-ai/sophon-realtime) && cd sophon-realtime/flash
bash install.sh
hf download adventists-ai/Sophon-Realtime-4B-Flash --local-dir ./model
GPU=0 PORT=8000 bash start.sh
python client_example.py --url [http://127.0.0.1:8000](http://127.0.0.1:8000)
ПодробнееБенчмарки: Full-Duplex-Bench v1.0 — 87.7 (против 94.0 у 32B-версии), VoiceBench — 62.4 (выше Freeze-Omni с 55.2 и Moshi с 29.5, но ниже MiniCPM-o с 71.2), Big Bench Audio — 44.3%.
Требования: одна GPU с 24 ГБ VRAM (занимает около 21 ГБ), запуск через vLLM 0.30 и vLLM-Omni 0.30 на Python 3.12.
Ограничения: только речь (без зрения/изображений); поддерживаются английский и китайский языки; из-за размера 4B заметно уступает 32B-версии в знаниях и логике и может уверенно выдавать неверные факты.
Обсудить Telegram 17 241

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.9 GB · готовые файлы9.1 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.8 GB
  • 4-bitвеса 2.2 GB2.9 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # adventists-ai/Sophon-Realtime-4B-Flash
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download adventists-ai/Sophon-Realtime-4B-Flash --local-dir ~/models/Sophon-Realtime-4B-Flash
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Sophon-Realtime-4B-Flash
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии Sophon-Realtime-4B-Flash — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 2Все на Hugging Face

О модели

adventists-ai/Sophon-Realtime-4B-Flash
Автор
adventists-ai
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

24117

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Qwen3.8-27B-Heretic

Qwen3.8-27B-Heretic