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
日本の学生たちで構成されるAI開発企業のhigurashiがリアルタイム音声会話AI「Haru-4B」を公開しました。日本語での自然なやり取りが可能です。
Haru-4B: 低遅延・多言語の全二重連続音声対話基盤モデル | higurashi Tech Blog
https://blog.higurashi.ai/melte/haru4b-ja/
Haru-4Bはユーザーの声を聞きながら話せる「full-duplex(全二重)」な連続音声対話基盤モデルとして開発されており、ユーザーの発話に対して相づちを打ったり会話に割り込んだりすることができます。実際の会話例は以下のポストで確認できます。
ベースとなった大規模言語モデルはQwen3.5-4Bで、事前学習には160以上の言語にわたる4000万時間以上の音声を使用したとのこと。人間らしい会話パターンを学習させるために、学習データから「AIが生成した音声」や「AIが生成した対話テキスト」を除外したそうです。さらに全二重対話データセットを構築するためのモデル「FastDialogueSidon」を開発し、1300万時間以上の全二重対話データセットを構築してHaru-4Bの学習に使用しました。
Haru-4Bはローカルで実行可能で、M1 Maxを搭載したMacBookでは約65ミリ秒の遅延で会話できます。またNVIDIA B300では約15ミリ秒という低遅延会話を実現できます。
Haru-4Bと電話で会話できるデモも用意されており、「050-5444-3154」に電話をかけると日本語・男性の音声、「050-5444-3155」に電話をかけると日本語・女性の音声と会話できます。
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.
