Olá, sou Luke, criando a IA Naia no meu PC.
Desde que publiquei a v0.1.5 em 5 de junho, passaram-se mais de dois meses e surgiram muitas novidades. Na época, o foco era rodar todo o conjunto naia-0.9-omni-24g em placas de vídeo com cerca de 24GB de VRAM, e os modelos de IA disponíveis para seleção na conta da Naia eram essencialmente focados na família Gemini. O Codex também era uma história diferente: executado diretamente no terminal versus conectado ao cérebro da Naia.
A partir desta v0.1.7, é possível criar a voz da Naia em PCs com apenas 6GB de VRAM, desfrutar de avatares e música simultaneamente, e estruturar o ambiente para continuar trabalhando com arquivos reais dentro do próprio sistema da Naia.
Esta distribuição também lança primeiro os executáveis (EXE) e pacotes de instalação (MSI para Windows 10/11), enquanto Linux (Naia OS) e macOS serão verificados nas versões seguintes.
▎O que você pode sentir imediatamente nesta atualização
- Não é o modelo separado de 24 GB em formato Cascade compartilhado anteriormente; agora, a própria aplicação Windows pode usar referência em tempo real na memória gráfica (VRAM) a partir de 6 GB.
- Com a memória da NAIa e RAG adicionados, ela possui memória de curto e longo prazo, adquirindo uma estrutura que vai além de um LLM simples para falar, tornando-se um verdadeiro Agente de IA.
- Fornece dois arquivos oficiais de avatar 3D da NAIa (VRM, formato de avatar 3D humanoid) e seis tipos de avatares de vídeo gerados localmente sem necessidade de GPU desenvolvida internamente.
- Adicionou o modo DJ de rádio, permitindo que a IA recomende automaticamente músicas do YouTube para reprodução contínua.
- As opções de modelos fornecidas pela NAIa foram ampliado significativamente, indo além das opções centradas no Gemini, incluindo DeepSeek V4 flash e Pro (bom custo-benefício), GPT 5.6 de alto desempenho, Solar Pro4 da Upstage e o modelo Hyper Clova da Naver.
- Dentro da Naia, é possível conectar o Codex e visualizar várias sessões de IA do espaço de trabalho Herdr, permitindo que a Naia execute tarefas de codificação multiagente. A integração entre o espaço de trabalho e a Naia está em andamento.
▎1. Síntese de voz por referência em tempo real, agora disponível com apenas 6 GB de VRAM
O naia-0.9-omni-24g apresentado na versão v0.1.5 é uma configuração completa de aproximadamente 24 GB que executa reconhecimento de fala, modelo de linguagem e síntese de voz localmente. A nova opção de 6 GB não se refere a essa configuração completa, mas sim apenas à função de síntese de voz local baseada na referência vocal do usuário. Esta função de síntese de voz local pode ser ativada separadamente nas configurações de voz.
Em PCs Windows com VRAM de GPU NVIDIA de pelo menos 6 GB, é possível ativar a síntese de voz local nas configurações de voz. Foi testado em notebooks RTX 4060, RTX 3080 Ti e desktops RTX 2070. O runtime de áudio baseado em TensorRT necessário foi incluído na instalação Windows para eliminar a necessidade do usuário de instalar o TensorRT ou um servidor de áudio separado.
Você pode selecionar arquivos de voz ou gravar seus próprios, ouvir uma prévia e usá-los. Esta função é independente do login da conta Naia ou da seleção de avatar de vídeo; portanto, você pode manter seu VRM 3D original intacto e apenas substituir a voz localmente.
- Nos planos futuros, pretendo suportar APIs de nível CLI ou Agente na Naia para que os usuários possam realizar diversas aplicações, semelhante à maneira como uso modelos de voz do Claude ou Codex para converter e utilizar diversos trabalhos, expandindo assim significativamente sua utilidade.
▎2. Avatares oficiais da Naia e avatares de vídeo NVA
Criei também a aparência externa da Naia. Fornece dois tipos oficiais de VRM 3D: o padrão e o estilo de cabelo, reagindo conforme as expressões faciais e o estado de fala.
Aqui estão seis avatares de vídeo que podem falar. Para cada um (Minho, Jina e Naia), você pode escolher entre o estilo básico ou o estilo anime. Como os cliques de vídeo finalizados são leves para reproduzir, não é necessário usar uma GPU para mostrar e fazer o avatar falar.
O formato NVA (Naia Video Avatar) é um formato de avatar open-source que combina a alta qualidade visual do vídeo com a interatividade em tempo real do VRM e Live2D. É barato e pode ser produzido imediatamente, sem necessidade de modelagem ou rigging. Fala e reage em tempo real no navegador e no desktop sem usar GPU. O formato de arquivo e o player são públicos open-source.→ Veja diretamente os exemplos prontos dos seis avatares de vídeo
Este conteúdo será explicado com mais detalhes em um post separado, e a função de criação do NVA será lançada em breve.
▎3. Radio DJ que segue a música
Se você disser à Naia "Toca uma música para ouvir enquanto codifica", ao invés de tocar apenas uma canção e parar, o Radio DJ seleciona e apresenta músicas adequadas às condições, conectando-as à próxima. É um dos recursos em desenvolvimento para conectar automaticamente as falas do próprio IA.
Enquanto ouve música, se o usuário falar, a conversa tem prioridade. Ao retornar à música, ele continua com o clima e o fluxo de reprodução previamente selecionados. Tenta recomendar baseado no clima e no humor, mas ainda não está funcionando bem dessa forma, então estamos realizando vários testes.▎4. Suporte para diversos modelos de IA e agentes de codificação
Codex, Claude, DeepSeek V4 Pro, GPT-5.6, Solar Pro 4 da Coreia do Sul, modelo HCX Na versão lançada em 5 de junho, os modelos selecionáveis através da conta Naia estavam concentrados na família Gemini. Na versão v0.1.7, as opções aumentaram significativamente. Além disso, também suporta Codex e Claude. Usuários que utilizam Codex ou Claude podem usá-los imediatamente sem necessidade de contas separadas.
| Série | Principais modelos disponíveis nesta vez |
|---|---|
| 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 |
Os modelos conectados através da conta Naia podem ser selecionados em uma única tela de configuração. Os preços dos modelos domésticos também são exibidos na mesma tela em won.
▎5. naia-memory: Lembre-se de mim
O naia-memory não acumula todas as conversas indiscriminadamente, mas sim seleciona e armazena fatos importantes. A importância das memórias diminui com o tempo sem uso e aumenta quando são recuperadas novamente. Se um novo fato entrar em conflito com um fato anterior, ele pode atualizar-se com o novo fato em vez de simplesmente misturar as respostas anteriores.
As configurações padrão armazenam as memórias no armazenamento local JSON do PC do usuário e utilizam simultaneamente a busca por significado, palavras-chave e relações enquanto o aplicativo está em execução. É possível selecionar separadamente quais modelos usar para embbedding e extração de fatos; se configurado completamente localmente, não é necessário confiar o conteúdo da conversa em serviços externos de memória.
As configurações padrão atuais são baseadas em armazenamento local adequadas para uso em desktop e pessoal. O método de armazenamento SQLite, projetado para mais de 100 mil itens, ainda não está totalmente concluído neste nível. Embora ainda não tenha sido aplicado, o desempenho do Naia-memory que está sendo avaliado recentemente se aproxima do nível global mais alto; sua principal vantagem é não armazenar muito, mas sim atualizar as mudanças quando a memória se acumula, com uma característica de amortecimento quanto mais antiga for o conteúdo, semelhante à memória humana. Também farei um post sobre isso mais tarde.▎6. naia-adk e Herdr: Trabalhar com IAs dentro do Naia
A maior mudança para os desenvolvedores é que o Naia agora possui uma base de espaço de trabalho capaz de visualizar múltiplos sessões de IA em um único local, indo além da janela de chat.
O Naia foi criado com o objetivo de ser utilizado pelo desenvolvedor, mim. Por isso, busca resolver o "caos do terminal" ao lidar com múltiplas tarefas, atuar como coordenador para outros agentes de codificação, prevenir deriva (drift), otimizar custos em tokens e conectar bots no Discord em ambientes remotos. A implementação é um ambiente de trabalho Naia-adk que se configura automaticamente ao instalar o Naia. Inclui os códigos de harness mencionados anteriormente no livro "Harness Book" do Rezero, que eu descrevi anteriormente.
Embora tenhamos avançado com o desenvolvimento na semana passada e obtido alguns resultados, problemas de gerenciamento entre contextos levaram a um aumento explosivo de custos ou ao bloqueio das tarefas pelos harnesses. Por isso, essas funcionalidades foram removidas nesta etapa e estão sendo trabalhadas continuamente.
Recentemente, utilizei o recurso do Herdr e julguei que é uma solução open-source adequada para resolver o "caos do terminal" que eu almejo. Desta vez, integrei-o completamente ao Naia e removi a gestão de múltiplos terminais que estava planejando desenvolver internamente das especificações.
O Herdr é um painel de trabalho dentro do Naia para visualizar e gerenciar várias sessões de IA simultaneamente. É possível navegar pela lista de arquivos na árvore de arquivos à esquerda e alternar entre as abas Spaces·Agents. À direita, pode-se verificar em qual repositório cada agente está trabalhando e mover-se para a sessão Herdr correspondente. O visualizador que abre o conteúdo ao clicar em um arquivo ainda não está conectado. Na versão instalada para Windows, o Herdr é incluído, eliminando a necessidade de instalação separata.
Painel Herdr integrado ao workspace do Naia
Esta versão oferece navegação por Árvore de Arquivos, Spaces·Agents e o painel de trabalho Herdr integrado. A funcionalidade de visualizador ao clicar em arquivos e a capacidade de conectar o Naia, Codex e Herdr em um fluxo de trabalho único ainda não foram concluídas e serão incluídas no escopo do desenvolvimento da próxima versão.Visualizador do workspace do Naia — integração com Herdr planejada
Primeiro, será distribuído no site oficial e, em seguida, prepararemos as versões para Steam e Microsoft Store.E um fato importante... tudo isso é open-source.
Vou organizar imediatamente um encontro offline open-source. Antes disso, compartilhem novidades no Discord e entre em contato sempre que quiserem se desejarem participar juntos.
#Naia #NVA #RadioDJ #Codex #Herdr #OpenSourceAI
