- Startseite
- KI-Modelle
- Haru-4B
higurashiAudiomodellGewichte verfügbar
Haru-4B
34von 100erster Messwert
nur Nutzungsdaten, Spanne 20 bis 48
Zusammenfassung
Haru-4B ist ein Full-Duplex-Sprachmodell von higurashi für kontinuierliche Audio-Dialoge. Es verarbeitet und erzeugt Sprache, während begleitender Text ausgegeben wird. Das Forschungsmodell unterstützt neun Sprachen, darunter Deutsch, Englisch und Japanisch.
Die Gewichte und der Inferenzcode sind öffentlich verfügbar. Die Gewichte stehen unter Apache 2.0. Eine Referenzaufnahme kann die Stimme steuern; die Audioverarbeitung nutzt 24 kHz.
Auf dieser Seite
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 54 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 15. November 2026 bis 20. November 2026
Haru-4BGemini 3.5 Transcribe Live 35GPT-Realtime-Whisper 34Granite Speech 5.0 470M TurboCTC 33GPT-4o Mini Transcribe 33
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie Haru-4B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- MOSS-Audio-4B-ThinkingOpenMOSS Team · ähnliche Größe
- Maya 2 NativeMaya Research · ähnliche Größe
- LFM3-Audio-2BLiquid AI · ähnliche Größe
- Voxtral Mini Transcribe 3Mistral AI · ähnliche Größe
- NVIDIA Nemotron 3.5 TranscribeNVIDIA · etwa gleichzeitig erschienen
- YuE2-3Bm-a-p · ähnliche Größe
- OrukeetOruk · etwa gleichzeitig erschienen
- Nemotron-3-DiarizationNVIDIA · etwa gleichzeitig erschienen
Alle technischen Daten
Architektur
- Modellklasse
- Full-Duplex-Sprachmodell mit kontinuierlicher Audio-Ein- und -Ausgabe
- Quelle: Modellklasse
- Parameter
- Die veröffentlichten Gewichte enthalten 5.270.000.897 BF16-Parameter. „4B“ bezeichnet das Qwen3.5-4B-Text-Backbone.
- Quelle: Parameter
Ein- und Ausgabe
- Eingabe
- Audio als kontinuierliche Spracheingabe; eine kurze Referenzaufnahme steuert die Stimme.
- Quelle: Eingabe
- Sprachen
- Englisch, Spanisch, Portugiesisch, Deutsch, Französisch, Chinesisch, Japanisch, Russisch und Koreanisch
- Quelle: Sprachen
- Text-Backbone-Konfiguration
- Die Qwen-Textkonfiguration nennt 262.144 Positionsplätze. Das ist kein ausgewiesenes Ende-zu-Ende-Kontextlimit für Audio-Dialoge.
- Quelle: Text-Backbone-Konfiguration
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
- Veröffentlichung
- Am 13. November 2026 als Forschungs-Basismodell veröffentlicht.
- Quelle: Veröffentlichung
- Zugang
- Öffentliche Gewichte und Inferenzcode für den lokalen Betrieb; die ausgewertete Modellkarte nennt keinen gehosteten Inferenzanbieter.
- Quelle: Zugang
- Abschaltung
- Keine angekündigt
- ohne Quelle