
ついに1位になった。めでたい。日本初!

CEO @HigurashiAI / Scaling Speech AI / higurashi.ai

ついに1位になった。めでたい。日本初!

Haru-4B just hit #1 on Hugging Face’s trending models list across all categories! 🚀 Thank you all for the incredible support! Model page→huggingface.co/higurashi-ai/…

Haru 4B is now supported in both vLLM-Omni and mlx-audio! 🎉 Huge thanks to both communities for making this happen! vLLM-Omni Release note:github.com/vllm-project/vllm… mlx-audio:github.com/Neywa-Labs/mlx-au…

Speech-to-Speech Full-duplexと、Speech-to-Speech Half-Duplexでは、ユーザーの体験は全く異なるものになります Full-duplexはまだ知性や安定性に課題がありますが、いずれこのモデルが社会で最も使われるモデルになると考えています
Here's the difference between speech-to-speech (S2S), cascaded, half-duplex, and full-duplex Voice AI models, and why the configurations matter.

higurashi: Haru 4B Launch Meetup に参加を申し込みました! connpass.com/event/412879/?u… #音声AI

日本語でリアルタイム会話可能なAI「Haru-4B」がオープンモデルとして公開される、電話で話せるデモもあり

Haru-4B just hit #1 on Hugging Face’s Audio-to-Audio trending list. 🥇 Appreciate all the love. Give it a spin 🤗 huggingface.co/higurashi-ai/…
We’ve open-sourced our 4B full-duplex speech model under Apache 2.0 !! Our model was trained on 40M hours and uses continuous tokens. Full-duplex AI for "Human like AI" is still largely unexplored. Let’s push the boundaries together! Check out our demos! 🚀 Website: higurashi.ai/haru4b/ Code: github.com/higurashi-ai/Haru Model: huggingface.co/higurashi-ai/… Technical blog: blog.higurashi.ai/melte/haru…

4Bでこれできてるのすごい
4B Full-duplex baseモデルをapache 2.0で公開しました! 日英を中心に9か国語で話すことができます。 キャラクターやオペレーターなど、是非チューニングして遊んでいただければと思います!! blog: higurashi.ai/ja/haru4b/ Tech blog: blog.higurashi.ai/melte/haru… huggingface: huggingface.co/higurashi-ai/…


電話したらすごく自然で、こっちが途中で「あっ、もしかして電話番号間違えてマジ人間喋ってたりします…?」ってなった。
Haru 4Bは9言語に対応し、テキストと音声によるモデルの人物/声色設定が可能です また、以下の電話番号に電話いただくことで、Haru 4Bと会話することができます ・050-5444-3154 (日本語: 男性) ・050-5444-3155 (日本語: 女性) ファインチューニング前の不安定なモデルですが、full-duplexならではの「人間らしい対話」を体験いただけます 是非「自己紹介をお願いします」から始めて色々質問してみてください

higurashiの4Bモデルで、彼女との寝落ち電話を再現した このリアルな間とか空気感を実現してくれるのは、Audio nativeなFull duplex modelでしかできないと思う... 「付き合って半年の恋人同士。毎晩寝る前に電話している。」という設定

人間のように自然に話せるという音声対話モデル「Haru 4B」無償公開 pc.watch.impress.co.jp/docs/…

今日公開された全二重の音声対話AI「Haru-4B」を、さっそくGPUを1ドル分借りて動かしてみました。@HigurashiAI 相手が話している最中にも「はい」「うん」と相槌を打つ。日本語の口語もかなり自然です。 声は自分の声を25秒録って参照させています。 実測の数字と所感を記事にしました👇 cogproject.jp/?p=696

シングルチャネルの音声データから、2チャネルの対話音声データを高速に生成する音声分離・復元モデル「FastDialogueSidon」も公開していますので是非!
Full-duplex 2話者データの音声分離・復元モデル「DialogueSidon」の高速版「FastDialogueSidon」を公開しました! 1ステップ推論+軽量デコーダで、DialogueSidon公式実装比で約100倍の高速化と同等の性能を実現しています(H100上で計測) GitHub:github.com/higurashi-ai/Fast… Huggingface:huggingface.co/higurashi-ai/…


凄すぎ!!!!!!!!!!!
【人間のように、自然に笑い、相槌を打つ「人間らしいAI」】 4BのFull-duplex音声対話モデルを4,000万時間の日本語、英語を含む多言語データで事前学習し、オープンウェイトで公開しました! 弊社のオープンモデルを用いて、開発者の方々と一緒に未来を切り開ければと思います