К содержимому
Аудио

Haru-4B

мультиязычная модель полнодуплексного голосового диалога

2 мин чтенияобновлено

Haru-4B — это базовая предобученная модель с низким уровнем задержки (low-latency) для непрерывного полнодуплексного (full-duplex) живого общения, которая слушает и говорит одновременно, как при телефонном разговоре. Модель построена на текстовом бэкбоне Qwen3.5-4B (около 5.27 млрд параметров) и поддерживает сразу девять языков, включая русский. Она пригодится исследователям и разработчикам интерактивных голосовых ассистентов, ботов и приложений реального времени.

Ключевые особенности

  • Нативный Full-Duplex на частоте 7.5 Hz. Каждые 133 мс модель принимает кадр аудио от пользователя и генерирует кадр собственного аудио и текста без взаимного ожидания.
  • Непрерывное аудио за один шаг сэмплирования. Аудио представлено в виде 64-мерного латентного представления на кадр, которое создается небольшой MLP-головкой (многослойный персептрон, нейросеть прямого распространения) с MeanFlow сэмплированием.
  • Управление характером и голосом. Текстовая карточка задает характер персонажа, а короткий референсный аудиоклип определяет нужный голос.
  • Мультиязычность. Поддержка английского, испанского, португальского, немецкого, французского, китайского, японского, русского и корейского языков.

Что можно сделать

  • Запустить локальный веб-сервер. Поднять демо-версию на NVIDIA GPU с помощью официального репозитория на PyTorch для общения с моделью в реальном времени.
  • Создать приложение для macOS. Использовать реализацию на MLX для нативной работы на компьютерах Apple Silicon.
  • Интегрировать в серверные решения. Настроить плагин для сервиса с помощью vLLM-Omni для быстрого развертывания.
  • Клонировать голос. Задать индивидуальный голос модели с помощью чистого референсного аудиоклипа длительностью от 3 секунд до 3 минут.

Пример

Запуск сервера для общения с моделья в репозитории проекта:

git clone [https://github.com/higurashi-ai/Haru](https://github.com/higurashi-ai/Haru) && cd Haru
pip install -e ./haru
python -m haru.server --hf-repo higurashi-ai/Haru-4B
ПодробнееБэкбон: текстовая модель Qwen3.5-4B, 32 слоя, размер скрытого состояния 2560
Аудио: акустический токенизатор VibeVoice (24 кГц, 3200 семплов на латент)
Аудио-головка: 4-слойный MLP с MeanFlow (1 шаг сэмплирования)
Требования: видеокарта NVIDIA с примерно 12 ГБ VRAM
Лицензия: Apache License 2.0
Обсудить Telegram 0 21

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 9.8 GB · готовые файлы11 GB
  • FP8 / INT8рекомендуемвеса 4.9 GB5.9 GB
  • 4-bitвеса 2.8 GB3.5 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 5070

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.

    # nesoai-qa-org/higurashi-ai-Haru-4B
    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 nesoai-qa-org/higurashi-ai-Haru-4B --local-dir ~/models/higurashi-ai-Haru-4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к higurashi-ai-Haru-4B
  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 higurashi-ai-Haru-4B — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

nesoai-qa-org/higurashi-ai-Haru-4B
Автор
nesoai-qa-org
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии