Hola, soy Luke creando la IA Naia en mi PC.
Después de publicar v0.1.5 el 5 de junio, han surgido muchas novedades nuevas en estos dos meses. En ese momento, el enfoque principal era ejecutar todo el conjunto naia-0.9-omni-24g en tarjetas gráficas con VRAM de alrededor de 24GB, y los modelos de IA disponibles para seleccionar mediante la cuenta Naia se centraban casi exclusivamente en la familia Gemini. Además, Codex seguía siendo una historia diferente: ejecutarlo directamente desde el terminal versus utilizarlo conectado a la mente de Naia.
Desde esta versión v0.1.7, es posible crear la voz de Naia en PCs con solo 6GB de VRAM, disfrutar simultáneamente de avatares y música, y lograr una estructura que permita continuar el trabajo real con archivos dentro del entorno de Naia junto a otras IAs.
Este lanzamiento también primero publica los archivos ejecutables (EXE) y paquetes de instalación (MSI para Windows 10/11), mientras que Linux (Naia OS) y macOS se verificarán en las siguientes versiones secuencialmente.
▎Lo que puedes sentir inmediatamente en esta actualización
- No se trata del modelo separado de 24 GB de formato Cascade compartido anteriormente; ahora puede utilizar referencias de voz en tiempo real directamente desde la aplicación de Windows, comenzando con solo 6 GB de memoria gráfica (VRAM).
- Con la integración de la memoria de NVIDIA y RAG, cuenta tanto con memoria a corto como a largo plazo, adoptando así una estructura que va más allá de un LLM básico para hablar, convirtiéndose en una verdadera estructura de Agente de IA.
- Proporciona dos archivos oficiales de 3D avatar de Naia (VRM, formato de avatar 3D humanoid) y seis avatares de video generados localmente sin necesidad de GPU de desarrollo propio.
- Se ha añadido el modo DJ de radio, permitiendo que la IA recomiende automáticamente canciones de YouTube para su reproducción continua.
- Las opciones de modelos proporcionadas por Naia se han ampliado significativamente, pasando de centrarse en Gemini a incluir DeepSeek V4 flash y Pro (buen precio/rendimiento), GPT 5.6 de alto rendimiento, Solar Pro4 de Upstage y el modelo Hyper Clova de Naver.
- Dentro de Naia puedes conectar Codex y ver múltiples sesiones de IA del espacio de trabajo Herdr, habilitando así la programación multiagente desde Naia. La integración entre el espacio de trabajo y Naia aún está en desarrollo.
▎1. Referencia de voz en tiempo real: ahora disponible con solo 6 GB de VRAM
El naia-0.9-omni-24g presentado en la versión 0.1.5 es una configuración completa de aproximadamente 24 GB que ejecuta el reconocimiento de voz, el modelo de lenguaje y la síntesis de voz localmente. La nueva opción de 6 GB no se refiere a esta configuración completa, sino exclusivamente a la función de síntesis de voz local basada en la referencia de voz del usuario. Esta función de síntesis de voz local puede activarse por separado en los ajustes de voz.
En una PC con Windows y una GPU NVIDIA con al menos 6 GB de VRAM, puedes activar la síntesis de voz local desde los ajustes de voz. Se ha verificado su funcionamiento en portátiles RTX 4060, RTX 3080 Ti y escritorio RTX 2070. El tiempo de ejecución de voz basado en TensorRT incluido en el instalador para Windows elimina la necesidad de que el usuario instale TensorRT o un servidor de voz separado por sí mismo.
Puedes seleccionar archivos de voz o grabar uno directamente, escucharlo antes de usarlo y luego utilizarlo. Esta función es independiente del inicio de sesión con cuenta Naia o la selección de avatar de video; por lo tanto, puedes mantener tu VRM 3D original intacto mientras cambias solo la voz a local.
- En planes futuros, permitiré que utilices modelos de voz con Claude o Codex para convertir diversos trabajos y utilizarlos de manera similar a como Naia soportará APIs a nivel de CLI o Agente para que los usuarios puedan realizar diversas aplicaciones, ampliando así significativamente su utilidad.
▎2. Avatares oficiales de Naia y avatares de video NVA
También he creado el aspecto físico de Naia. Proporciona dos formatos VRM 3D oficiales básicos: uno con cabello y otro sin él, reaccionando según las expresiones faciales y el estado de habla.
Aquí se proporcionan conjuntamente seis avatares de video con capacidad de habla. Para Minho, Jina y Naia, puedes elegir entre el estilo visual básico o el estilo anime para utilizarlos. La forma de reproducción de los clips de video finalizados es ligera, por lo que no se requiere una GPU para mostrar y hacer hablar al avatar.
El formato NVA (Naia Video Avatar) es un formato de avatar de código abierto que combina la alta calidad visual del video con la interactividad en tiempo real de VRM y Live2D. Es económico y puede crearse inmediatamente sin necesidad de modelado o rigging; además, permite hablar y responder en tiempo real tanto en el navegador como en escritorio sin utilizar una GPU. Tanto el formato de archivo como el reproductor se publican como código abierto.→ Ver directamente los ejemplos terminados de los seis avatares de video
Este contenido se explicará con más detalle en un artículo separado y la función para crear NVA se publicará pronto.
▎3. Radio DJ que continúa la música
Si le dices a Naia "Pon la música mientras codifico", en lugar de reproducir solo una canción y terminar, el Radio DJ selecciona e introduce canciones que cumplen con las condiciones y pasa a la siguiente. Es uno de los desarrollos para crear funciones de habla automática donde la IA conecta la conversación por sí misma.
Si el usuario interviene mientras se escucha música, la conversación tiene prioridad. Al volver a la música, se continúa con la atmósfera y el flujo de reproducción previamente seleccionados. Se intenta recomendar según el estado de ánimo en función del clima, pero aún no funciona bien esa función, por lo que estamos realizando varias pruebas.▎4. Soporte para diversos modelos de IA y agentes de codificación
Codex, Claude, DeepSeek V4 Pro, GPT-5.6, Solar Pro 4 local, HCX model En la versión publicada el 5 de junio, los modelos seleccionables con cuenta Naia se centraban en la familia Gemini. En la versión v0.1.7, las opciones se han ampliado considerablemente. Además, también soporta Codex y Claude. Los usuarios que utilizan Codex o Claude pueden empezar a usarlo inmediatamente sin necesidad de una cuenta adicional.
| Familia | Principales modelos disponibles para seleccionar ahora |
|---|---|
| DeepSeek | DeepSeek V4 Flash, DeepSeek V4 Pro |
| GPT | GPT-5.6 Sol, GPT-5.6 Luna |
| Grok | Grok 4.3 |
| Upstage | Solar Pro 4, Solar Mini |
| NAVER | HyperCLOVA X HCX-007, HCX-DASH-002 |
Los modelos conectados con una cuenta Naia se pueden seleccionar desde una sola pantalla de configuración. Los precios de los modelos nacionales también se muestran en won en la misma pantalla.
▎5. naia-memory: Recuerda de mí
naia-memory selecciona y guarda hechos importantes en lugar de acumular todo el diálogo sin filtro. Las memorias que no se utilizan durante mucho tiempo tienen una importancia reducida, mientras que las memorias recuperadas nuevamente aumentan su importancia. Si un nuevo hecho entra en conflicto con un hecho anterior, puede actualizarlo con el nuevo hecho en lugar de mezclar la respuesta con el contenido anterior.
Por defecto, las memorías se almacenan en el repositorio JSON local del PC del usuario y se utilizan simultáneamente búsquedas por significado, palabras clave y relaciones mientras se ejecuta la aplicación. Se puede seleccionar independientemente qué modelo utilizar para el embebedding y la extracción de hechos; si se configura completamente de forma local, no es necesario confiar los contenidos del diálogo en servicios externos de memoria.
La configuración actual está diseñada para almacenamiento local, adecuada para uso en escritorio y personal. El método de almacenamiento SQLite diseñado para más de 100 mil elementos aún no está completamente desarrollado a este nivel. Aunque todavía no se ha aplicado, el rendimiento de Naia-memory que recientemente estamos evaluando se acerca al nivel global más alto; su mayor ventaja no es recordar mucho, sino actualizar los cambios cuando se acumula la memoria, con la característica de disminuir gradualmente cuanto más antiguo sea el contenido, como lo hace la memoria humana. También publicaré algo sobre esto en una entrada futura.▎6. naia-adk y Herdr: Trabajar con IA dentro de Naia
El cambio más grande para los desarrolladores es que Naia ha establecido una base de espacio de trabajo que permite ver múltiples sesiones de IA en un solo lugar, más allá del cuadro de chat.
Naia está diseñada con el propósito de ser utilizada por mí, el desarrollador; por lo tanto, busca resolver el "caos terminal", actuar como coordinador para otros agentes de codificación, prevenir la deriva (drift), optimizar los costos de tokens y permitir la conexión de bots de Discord en entornos remotos. Su implementación es un entorno de trabajo Naia-adk que se configura automáticamente al instalar Naia e incluye el código del "harness" que originó el libro sobre harnesses que describí anteriormente, Rezero.
Aunque esta semana hemos avanzado en el desarrollo y obtenido ciertos resultados, hemos excluido la gestión entre contextos debido a problemas de costos descontrolados o bloqueos por parte del harness; este tema sigue siendo objeto de trabajo activo.
Recientemente, HeDr se ha utilizado como una herramienta open source adecuada para resolver el "caos terminal" que persigo, por lo que ahora está integrado completamente en Naia y la gestión multi-terminal que planeaba desarrollar internamente se eliminó de las especificaciones.
HeDr es un panel de trabajo dentro de Naia para visualizar y gestionar múltiples sesiones de IA simultáneamente. Desde el árbol de archivos a la izquierda puedes ver la lista de archivos y alternar entre las pestañas Spaces·Agents; desde la derecha puedes ver en qué repositorio trabaja cada agente y navegar a esa sesión de HeDr correspondiente. El visor que se abre al hacer clic en un archivo para verlo aún no está conectado. En la versión instalable para Windows, HeDr viene incluido por lo que no es necesario instalarlo por separado.
Pantalla de HeDr integrada en el espacio de trabajo Naia
Esta versión proporciona la navegación por Árbol de archivos·Espacios·Agentes y el panel de trabajo integrado HeDr. La funcionalidad del visor al hacer clic en un archivo y conectar Naia·Codex·HeDr en un flujo de trabajo único aún no está completada y será parte del alcance de desarrollo de la próxima versión.Visor del espacio de trabajo Naia — Integración con HeDr pendiente
Primero lo publicaremos en nuestra página web y ya estamos preparando las versiones para Steam y Microsoft Store.Y un hecho importante... todo esto es open source.
Organizaremos inmediatamente una reunión presencial de la comunidad open source. Antes de eso, compártamos noticias en Discord; si deseas participar juntos, por favor contáctanos en cualquier momento.
#Naia #NVA #RadioDJ #Codex #Herdr #OpenSourceAI
