AI BriefingHaru-4B, 7.5 Hz 동시 청취 및 발화 지원
higurashi-ai/Haru-4B · Hugging Face
·2026.11.15 22:58
핵심 내용
Haru-4B가 133ms 프레임으로 7.5 Hz 실시간 음성 대화를 처리한다
자세히 보기
- Haru-4B는 저지연 다국어 풀덱스 연속 음성 대화 기반 모델로, 연구용 사전학습 베이스 모델로 공개됨
- 모델은 7.5 Hz에서 네이티브로 작동하며, 133ms마다 사용자 오디오 1프레임을 처리하고 모델 오디오 및 텍스트 1프레임을 생성함
- 오디오는 프레임당 64차원 잠재 변수로 표현되며, MeanFlow를 활용한 소형 MLP 헤드를 통해 단일 샘플링 단계로 생성되어 별도 오디오 트랜스포머나 이산 오디오 토큰이 불필요함
- 영어, 스페인어, 포르투갈어, 독일어, 프랑스어, 중국어, 일본어, 러시아어, 한국어 등 9개 언어를 지원하며, 텍스트 카드와 참조 클립을 통해 문자 및 음성 제어 가능함
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
