Haru-4B: laboratório independente lança modelo de voz full-duplex sob licença Apache 2.0
O laboratório independente higurashi-ai lançou o Haru-4B, um modelo de fala-para-fala full-duplex — que ouve e fala ao mesmo tempo — com pesos sob licença aberta Apache 2.0.
O modelo, com cerca de 5 mil milhões de parâmetros, baseia-se no backbone de texto Qwen3.5-4B e processa áudio em frames de 133 milissegundos a 7,5Hz, usando latentes contínuos em vez de códigos de áudio discretos. Suporta 9 idiomas, incluindo português.
Requer cerca de 12GB de memória de vídeo numa GPU Nvidia, ou uma compilação MLX num Mac; foi reportada uma latência ponta-a-ponta de cerca de 65 milissegundos num Mac M1 Max. Os próprios autores classificam-no como uma base pré-treinada para investigação, ainda fraca em factos e seguimento de instruções, sem benchmarks publicados.
Fontes
- explainx.ai explainx.ai
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.