一個革命性的開源音頻模型——Hertz-dev橫空出世，憑藉其驚人的性能指標，讓全球開發者爲之震撼。這款擁有85億參數的AI語音巨獸，通過2000萬小時高質量音頻數據的訓練，成功實現了人類夢寐以求的全雙工實時對話。

最令人驚歎的是其120毫秒的超低延遲表現，較現有公開模型足足提升了一倍，讓人機對話體驗提升到了一個全新境界。想象一下，當你在和AI對話時，不必再等待對方說完就能自然插話，就像真實的人類對話一樣流暢自然。

image.png

Hertz-dev的核心突破包括:

突破性全雙工技術:徹底顛覆傳統輪流發言模式，實現真正的雙向實時交流

卓越音頻壓縮:在保證高音質的同時，大幅降低帶寬佔用

超長對話能力:輕鬆理解和生成持續性對話內容

革命性低延遲:120毫秒的響應速度，開創實時互動新紀元

作爲一個專注音頻的Transformer基礎模型，Hertz-dev在訓練過程中充分利用了真實世界的對話數據，成功捕捉了人類語音中的細微特徵，包括自然的停頓節奏和豐富的情感語調變化。

對開發者而言，這是一個極具價值的開源寶藏。他們可以自由下載模型，根據具體應用場景進行微調，打造各類創新語音應用。這意味着，從客服機器人到語音助手，從教育輔導到娛樂互動，都將迎來質的飛躍。

項目地址：https://github.com/Standard-Intelligence/hertz-dev