Xin chào, tôi là Luke đang tạo AI Naia trong máy tính của mình.
Sau khi công bố v0.1.5 vào ngày 5 tháng 6, đã có khá nhiều thay đổi mới xuất hiện trong khoảng hơn hai tuần. Khi đó, trọng tâm vẫn là chạy toàn bộ cấu hình naia-0.9-omni-24g trên các card đồ họa cấp VRAM 24GB, và các mô hình đám mây có thể chọn được qua tài khoản Naia thực chất tập trung vào hệ thống Gemini. Việc Codex cũng khác nhau giữa việc chạy trực tiếp từ terminal và kết nối với não bộ của Naia.
Bắt đầu từ v0.1.8 này, chúng ta có thể tạo giọng nói của Naia trên máy PC chỉ với VRAM 6GB, tận hưởng cả avatar và âm nhạc, đồng thời thiết lập cấu trúc để thực hiện các công việc với AI và file thực tế bên trong Naia.
Phiên bản phân phối lần này cũng đưa ra trước các tệp thực thi (EXE) và gói cài đặt (MSI cho Windows 10/11), còn Linux (Naia OS) và macOS sẽ được kiểm tra tuần tự ở các phiên bản tiếp theo.
▎Những điều bạn có thể trải nghiệm ngay trong lần cập nhật này
- Không phải là mô hình riêng biệt theo dạng Cascade với 24GB như lần trước đã chia sẻ, mà ứng dụng Windows có thể sử dụng trực tiếp âm thanh tham chiếu thời gian thực từ bộ nhớ đồ họa (VRAM) chỉ từ 6GB.
- Với việc tích hợp bộ nhớ của Naia và RAG, nó đã được trang bị cả trí nhớ ngắn hạn và dài hạn, chuyển đổi từ cấu trúc chỉ là mô hình ngôn ngữ lớn (LLM) đơn thuần nói chuyện thành một cấu trúc thực sự như một tác nhân AI (AI Agent).
- Cung cấp 2 loại tệp avatar 3D chính thức của Naia (VRM - định dạng avatar 3D nhân loại) và 6 loại video avatar tự phát mà không cần GPU tự phát triển.
- Đã thêm chế độ DJ Radio, cho phép AI tự động đề xuất bài hát YouTube để liên tục phát nhạc.
- Các mô hình do Naia cung cấp đã mở rộng đáng kể từ việc tập trung vào Gemini, bao gồm các lựa chọn chi phí hiệu quả như DeepSeek V4 flash và Pro, GPT 5.6 hiệu suất cao, Solar Pro4 của Upstage, cùng mô hình Hyper Clova của Naver.
- Trong Naia, bạn có thể kết nối với Codex và xem nhiều phiên làm việc AI khác nhau trong không gian làm việc Herdr, cho phép thực hiện công tác lập trình đa tác nhân (multi-agent) ngay trên Naia. Hiện tại, quá trình tích hợp giữa không gian làm việc và Naia vẫn đang được hoàn thiện.
▎1. Âm thanh tham chiếu thời gian thực, bây giờ bắt đầu từ VRAM 6GB
naia-0.9-omni-24g giới thiệu trong phiên bản v0.1.5 là một cấu hình toàn diện cỡ 24GB chạy hoàn toàn cục bộ, bao gồm nhận dạng giọng nói, mô hình ngôn ngữ và tổng hợp giọng nói. Phiên bản 6GB được bổ sung lần này không phải là toàn bộ cấu hình đó, mà chỉ áp dụng cho hàm năng lượng tổng hợp giọng nói cục bộ sử dụng âm thanh tham chiếu của người dùng. Bạn có thể bật riêng chức năng tổng hợp giọng nói cục bộ này trong cài đặt giọng nói.
Nếu máy tính Windows của bạn có VRAM từ GPU NVIDIA ít nhất 6GB, bạn có thể bật giọng nói cục bộ trong cài đặt giọng nói. Đã kiểm tra hoạt động trên laptop RTX 4060, laptop RTX 3080 Ti và desktop RTX 2070. Runtime giọng nói dựa trên TensorRT đã được bao gồm trong bản cài đặt Windows, giúp người dùng không cần phải cài đặt TensorRT hoặc máy chủ giọng nói riêng biệt.
Bạn có thể chọn tệp giọng nói hoặc ghi âm trực tiếp để nghe trước và sử dụng. Chức năng này độc lập với đăng nhập tài khoản Naia hoặc lựa chọn avatar video, do đó bạn vẫn giữ nguyên 3D VRM hiện tại nhưng chỉ thay đổi giọng nói thành cục bộ.
- Kế hoạch tương lai là tôi sẽ sử dụng mô hình giọng nói từ Claude hoặc Codex để chuyển đổi các công việc khác nhau và tận dụng chúng, giống như Naia hỗ trợ CLI hoặc API ở mức độ tác nhân, cho phép người dùng thực hiện nhiều ứng dụng khác nhau nhằm mở rộng đáng kể khả năng sử dụng.
▎2. Avatar chính thức của Naia và NVA Video Avatar
Ngoại hình của Naia cũng do chính tôi tạo ra. Cung cấp 2 loại VRM 3D chính thức cơ bản, kiểu tóc, phản ứng phù hợp với biểu cảm và trạng thái phát âm.
Chúng tôi cung cấp thêm 6 loại video avatar có thể nói chuyện. Bạn có thể chọn phong cách cơ bản hoặc phong cách anime cho từng Minho, Jina và Naia. Cách trình diễn video hoàn chỉnh nhẹ nhàng, không cần GPU để hiển thị và khiến avatar nói chuyện.
Định dạng NVA (Naia Video Avatar) là một định dạng avatar mã nguồn mở kết hợp chất lượng hình ảnh cao của video với tính thời gian thực của VRM và Live2D. Nó có thể được sản xuất nhanh chóng và tiết kiệm chi phí mà không cần mô hình hóa hoặc rigging, cho phép nói chuyện và phản hồi theo thời gian thực trên trình duyệt và máy bàn mà không cần GPU. Định dạng tệp và bộ phát đều được công khai mã nguồn mở.→ Xem trực tiếp ví dụ hoàn chỉnh của 6 loại video avatar
Nội dung này sẽ được giải thích chi tiết hơn trong một bài viết riêng biệt, và tính năng tạo NVA sẽ sớm được công bố.
▎3. Radio DJ nối tiếp âm nhạc
Nếu nói với Naia "Hãy bật nhạc để nghe khi đang lập trình", thay vì chỉ phát một bài và dừng lại, Radio DJ sẽ chọn và giới thiệu các bài phù hợp với điều kiện, sau đó chuyển sang bài tiếp theo. Đây là một trong những tính năng tự động phát mà AI đang tự mình nối tiếp lời nói.
Khi người dùng bắt đầu trò chuyện trong khi đang nghe nhạc, hội thoại sẽ được ưu tiên. Khi quay trở lại với âm nhạc, nó sẽ tiếp nối không khí và dòng phát đã chọn trước đó. Chúng tôi cố gắng đề xuất dựa trên thời tiết và tâm trạng, nhưng tính năng này chưa hoạt động tốt nên chúng tôi đang thực hiện nhiều thử nghiệm khác nhau.▎4. Hỗ trợ các mô hình AI đa dạng và tác nhân lập trình
Codex, Claude, DeepSeek V4 Pro, GPT-5.6, Solar Pro 4 trong nước, HCX... Trong phiên bản công bố ngày 5 tháng 6, các mô hình có thể chọn được qua tài khoản Naia tập trung chủ yếu vào hệ thống Gemini. Trong phiên bản v0.1.8, số lượng lựa chọn đã tăng đáng kể. Ngoài ra còn hỗ trợ Codex và Claude. Những người sử dụng Codex hoặc Claude có thể ngay lập tức sử dụng mà không cần tài khoản riêng biệt.
| Hệ thống | Các mô hình chính có thể chọn trong lần này |
|---|---|
| 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 |
Các mô hình được kết nối qua tài khoản Naia có thể được chọn từ một màn hình cài đặt duy nhất. Giá của các mô hình trong nước cũng sẽ được hiển thị bằng tiền tệ Việt Nam trên cùng màn hình đó.
▎5. naia-memory: Ghi nhớ bản thân
naia-memory lưu trữ những sự kiện quan trọng thay vì đơn thuần tích lũy toàn bộ cuộc trò chuyện. Nó giảm độ quan trọng của những ký ức ít khi được sử dụng trong thời gian dài và tăng độ quan trọng của những ký ức được truy xuất lại. Nếu một sự thật mới mâu thuẫn với một sự thật cũ, nó sẽ cập nhật nội dung mới thay vì trộn lẫn các nội dung cũ để trả lời.
Trong cài đặt mặc định, ký ức được lưu trữ trong bộ nhớ JSON cục bộ trên máy tính của người dùng và hệ thống đồng thời sử dụng tìm kiếm theo ý nghĩa, từ khóa và quan hệ trong khi ứng dụng đang chạy. Bạn có thể chọn riêng biệt mô hình nào sẽ được sử dụng cho việc nhúng (embedding) và trích xuất sự thật; nếu cấu trúc hoàn toàn cục bộ, nội dung cuộc trò chuyện sẽ không cần phải do các dịch vụ ký ức bên ngoài quản lý.
Hiện tại, cài đặt mặc định sử dụng phương thức lưu trữ cục bộ phù hợp cho việc sử dụng trên máy tính để bàn và cá nhân. Phương thức lưu trữ SQLite hướng tới khả năng lưu trữ hơn 100.000 mục vẫn chưa hoàn thiện ở mức độ tương đương. Mặc dù tính năng này chưa được áp dụng, nhưng hiệu suất của Naia-memory đang được đánh giá gần đây đã đạt đến mức ngang bằng với những hệ thống tốt nhất trên toàn cầu; điểm mạnh lớn nhất của nó không phải là khả năng ghi nhớ nhiều thông tin, mà là việc cập nhật các thay đổi khi ký ức được tích lũy theo cách giống như trí nhớ con người: càng về quá khứ thì sự suy giảm càng lớn. Chúng tôi sẽ viết thêm về điều này trong một bài đăng sau.▎6. naia-adk và Herdr: Làm việc cùng AI bên trong Naia
Sự thay đổi lớn nhất đối với các nhà phát triển là Naia đã có nền tảng cho không gian làm việc để xem nhiều phiên AI khác nhau vượt ra ngoài khung trò chuyện, tất cả trong một không gian duy nhất.
Naia được thiết kế để phục vụ cho việc sử dụng của chính tôi, người lập trình. Mục tiêu của nó bao gồm giải quyết "vùng lầy terminal", đóng vai trò điều phối viên cho các tác vụ đa dạng, ngăn chặn hiện tượng trôi (drift), tối ưu hóa chi phí token, và kết nối với bot Discord trong môi trường từ xa. Môi trường làm việc Naia-adk được tự động cấu hình khi cài đặt Naia và bao gồm các mã nguồn của hanebook – nền tảng cho cuốn sách "Rezero Hanebook" mà tôi đã giới thiệu trước đó.
Tuần qua, chúng ta đã tiến hành phát triển và đạt được một số thành tựu nhất định, nhưng do quản lý ngữ cảnh chưa tốt dẫn đến chi phí tăng vọt hoặc các tác vụ bị hanebook chặn lại, nên những vấn đề này sẽ được loại bỏ ở giai đoạn tiếp theo và đang được xử lý liên tục.
Hơn nữa, tính năng mới của Herdr gần đây đã được đánh giá là phù hợp để giải quyết "vùng lầy terminal" do tôi mong đợi, vì vậy nó đã được tích hợp trực tiếp vào Naia lần này; việc quản lý đa terminal tự phát triển ban đầu đã bị loại khỏi danh sách yêu cầu kỹ thuật.
Herdr là một giao diện làm việc cho phép hiển thị và quản lý đồng thời nhiều phiên AI khác nhau bên trong Naia. Bạn có thể xem danh sách file từ cây thư mục bên trái, chuyển đổi giữa tab Spaces·Agents, và xác định tác nhân nào đang hoạt động trên kho lưu trữ nào từ phía phải để di chuyển đến phiên Herdr tương ứng. Trình xem (viewer) cho việc mở nội dung file bằng cách nhấp vào chúng hiện chưa được kết nối. Bản cài đặt Windows đã bao gồm Herdr, vì vậy bạn không cần cài đặt riêng biệt.
Giao diện Herdr tích hợp trong Naia Workspace
Phiên bản này cung cấp chức năng duyệt File Tree·Spaces·Agents và giao diện làm việc Herdr tích hợp. Chức năng trình xem khi nhấp vào file và khả năng liên kết Naia·Codex·Herdr thành một quy trình làm việc liền mạch vẫn chưa hoàn thiện và sẽ là phạm vi phát triển cho phiên bản tiếp theo.Giao diện Viewer Naia Workspace – Dự kiến tích hợp Herdr
Trước hết, chúng ta sẽ phát hành trên trang chủ và chuẩn bị ngay lập tức cho Steam và Microsoft Store.Một sự thật quan trọng: Tất cả những điều này đều là mã nguồn mở (open source).
Chúng ta hãy tổ chức một cuộc họp trực tuyến mã nguồn mở lần đầu tiên. Trước khi đó, hãy cùng nhau chia sẻ tin tức trên Discord; bất kỳ ai muốn tham gia cũng vui lòng liên hệ với chúng tôi bất cứ lúc nào.
#Naia #NVA #RadioDJ #Codex #Herdr #OpenSourceAI
