はじめに
AIに電話の受付を任せたいと思っても、話の途中で黙り込んだり、相づちが無くて不自然だったりして、お客様に出せるか迷ったことはないでしょうか。2026年11月13日に公開された Haru-4B は、人と同じように聞きながら話す日本語の音声AIで、公式の番号に電話するだけで誰でも試せます。
本記事では、Haru-4B を電話で試す手順と、その電話で確かめたい4つの点を紹介します。そのうえで、店舗や会社の電話受付にそのまま使えるか、オープンなAIのモデルを会社で使うときに何を確かめるかを整理します。スマートエイトは、生成AI研修と業務へのAI導入の支援で、電話受付のAI化も扱ってきました。
結論から言うと、Haru-4B は「会話の間と相づち」の自然さを確かめる材料として、今すぐ数分で試す価値があります。一方で、予約を取る電話受付にそのまま置く物ではなく、会社で使うには作り込みと4つの条件の確認が要ります。
本記事は、2026年11月16日時点の higurashi の公式ページ・技術ブログ・Hugging Face・GitHub の情報をもとにしています。
Haru-4Bとは|聞きながら話す日本語の音声AI
Haru-4B は、東京のAI企業 higurashi が公開した音声対話のモデルです。音声を聞いて、音声で答えます。最大の特徴は、相手の声を聞きながら同時に話せる「全二重*」の作りにあります。

従来の音声AIと何が違うのか
これまでの多くの音声AIは、相手の声を文字にし、文字で答えを考え、その答えを声にする、という順番で動いてきました。この作りでは、相手が話し終わるまで待ってから考え始めるため、どうしても間が空きます。
文字にする段階で、声の抑揚や感情も落ちてしまいます。Haru-4B は音声を直接扱い、何を答えるかに加えて、相づちや割り込みを含めて「いつ、どう応じるか」も学んでいると公式ページで説明されています。
どれくらい速く、何語で話せるのか
Haru-4B は、相手の声・自分の声・文字の3つの流れを、約133ミリ秒ごとにまとめて処理します。M1 Max を積んだ MacBook で開発元のアプリを動かし、有線のマイクとヘッドホンで測ると、声が届いてから応答が出るまでの処理の遅れは約65ミリ秒です。音声を133ミリ秒ずつ区切るぶんの遅れは、これとは別にかかります。
学習には4,000万時間を超える実際の人の音声を使い、主に日本語・英語・中国語・韓国語など9つの言語で話せます。開発元は、AIで作った会話文や合成した音声を学習データから除いたと説明しています。
外国人のお客様が多い店舗では、何語で話せるかが電話受付のAIを選ぶ条件になります。店舗の会社の社長との商談でも、話の途中で英語に切り替えられるかを聞かれました。
「…お客さん英語話した時にそのまま英語で切り替わって対応するとかできるんですか」
— 店舗サービスの会社の社長(スマートエイトの商談より、2026年8月)
誰が作り、どんな形で公開されたのか
開発元の higurashi は、2024年10月に設立された東京・文京区の音声AIのスタートアップです。Haru-4B は、学習を終えたばかりの「ベースモデル*」として、研究者や開発者が手を加える前提で公開されました。
モデルの中身は Hugging Face、動かすプログラムは GitHub で公開されており、どちらも誰でも入手できます。会社として使えるかは、4章で条件を整理します。
*全二重:話す側と聞く側が同時に音を送り合える方式。電話がこの方式で、相づちや言葉の重なりが自然に起きる。 *ベースモデル:大量のデータで学習を終えただけのAI。特定の仕事の指示に従うようには、まだ調整されていない。
Haru-4Bを電話で試す使い方|かける番号と確かめる4つの点
Haru-4B は、パソコンに何も入れなくても、公式の電話番号にかけるだけで話せます。数分の通話で、文字のチャットでは分からない「会話の間」を自分の耳で確かめられる点が、この試し方の価値です。

どの番号に、何から話しかけるか
公式ページには、日本語の男性の声と女性の声の番号が載っています。最初は「自己紹介をお願いします」と話しかけ、そこから自由に質問するよう案内されています。
- 050-5444-3154:日本語・男性の声
- 050-5444-3155:日本語・女性の声
開発元は、4Bという小さなモデルなので、昔の文章生成AIのGPT-2程度の知性を期待してほしいと書いています。番号は予告なく止まることがあるとも書かれているので、試すなら早めがよいでしょう。
通話で確かめたい4つの点
電話をかけたら、答えの中身より先に、会話の運びを聞きます。電話受付に使えるかを考えるなら、次の4つが判断の材料になります。
- 相づち:こちらが話している途中に「はい」「ええ」が自然に入るか
- 割り込み:AIの話の途中でこちらが話し出したとき、止まって聞き直すか
- 間:こちらが話し終えてから、答えが返るまでに不自然な沈黙がないか
- 中身:日時や名前のような、聞き間違えると困る言葉を正しく受け取れているか
前の3つは Haru-4B が売りにしている所で、最後の1つは小さなモデルが苦手としやすい所です。両方を同じ通話で聞くと、どこまで任せられるかの感覚がつかめます。
試すときに話さないこと
試すときは、実在のお客様の名前や電話番号、社内の情報を話さず、架空の予約で試します。例えば「来週の土曜、午後2時から2名で予約したい」のように、店舗の予約の電話を真似ると、受付に使えるかの判断に直結します。
試した記者の報告では、会話に詰まる場面はあったものの、受け答えはかなり自然だったとGIGAZINE が伝えています。止まる場面も含めて、社内の何人かで聞き比べておくと、判断がそろいます。
電話受付にHaru-4Bは使えるか|そのまま置けない理由と効く所
今の Haru-4B を、店舗や会社の電話受付にそのまま置くことはできません。会話の自然さは高い一方で、予約を取る電話に要る部品の多くは、公開された物の外にあるからです。

そのまま置けない理由
開発元は、Haru-4B を研究用に公開したベースモデルと位置づけています。自然な会話はできても、事実の情報源としては頼れず、アシスタントのように指示に従うわけではないとモデルの説明に書かれています。
公開されたのは、モデルの中身と、会話を動かすプログラムと、試すための画面です。電話回線につなぐ仕組みや、予約表を見て空きを答える仕組みは、使う側が別に組みます。
予約の電話に本当に要る部品
スマートエイトのYouTubeで公開した電話受付の対談回では、予約の確定まで人が一度も出ずに終わる受付を、会話の部分と、間違えられない部分を分けて組んでいました。AIが聞き取った日時と名前を読み上げ、相手は「はい」か「いいえ」だけで答える形です。
この形では、空き枠の確認と予約の書き込みはAIの外の決まった仕組みに任せ、病院の受付で言えば症状の相談のような、判断が要る話は人に渡します。組み立て方はAI電話で受付を自動化する方法で詳しく扱っています。
予約の電話をAIに任せたい会社がまず求めるのは、仮の予約を確定まで進めることで、そこは前の段落で書いた外の仕組みが受け持つ部分です。店舗の会社の運営の担当者からも、商談でこう聞きました。
「今は仮予約までしか取れないんですけど、それを確定させる…」
— 店舗サービスの会社の運営の担当者(スマートエイトの商談より、2026年10月)
Haru-4Bが効くのは会話の間
予約の電話で、お客様が不満を感じやすいのは、AIが黙り込む時間と、話をさえぎっても止まらない応対です。Haru-4B が売りにしている相づち・割り込み・短い間は、まさにこの部分にあたります。
つまり、Haru-4B は電話受付の「全部」ではなく、会話の自然さを担う部品の候補です。間違えてはいけない確認は外の仕組みに残し、受付の言い回しは*追加学習で覚えさせる、という組み合わせが考えられます。追加学習に使うプログラムは、開発元が今後公開する予定としています。
*追加学習:公開されたモデルに、自社の会話の例を読ませて学び直させること。受付の決まった言い回しに寄せられる。
オープンモデルを会社で使う4つの条件|ライセンス・機械・声・データ
Haru-4B は無料で入手できますが、会社で使うかどうかは、費用より先に4つの条件で決まります。電話で試して手応えを感じたら、次の4つを担当者と確かめます。

ライセンスと動かす機械
Haru-4B のプログラムとモデルの中身は、どちらもApache 2.0*で公開されています。このライセンスは商用での利用や改変を認めており、使う側に求めるのは著作権の表示などの決まった手続きです。同梱の一部の部品は別の公開の条件なので、使う前に同梱の一覧も確かめます。
動かす機械は、NVIDIA の*GPUならメモリが約12GB要ります。Apple の M シリーズを積んだ Mac 向けには、自分で組み立てて使うアプリのプログラムも公開されています。Bluetooth のイヤホンやマイクは遅れが100ミリ秒以上増えるので、有線の物が勧められています。
声の権利とデータの置き場
Haru-4B は、3秒から3分の手本の音声を渡すと、その声で話せます。誰の声でも真似られるので、使うのは自分たちが使ってよいと許可を得た声だけにします。店舗のスタッフの声を使うなら、本人の同意を書面で取っておくと安心です。
自社の機械で動かせば、通話の音声を外のサービスに送らない構成を取れます。これはオープンモデルならではの利点です。
一方で、起動するときの指定ひとつで、誰でも開ける共有リンクを作る機能もあります。その場合は通信が外の中継サーバーを通るので、社内で試すときは使わないよう決めておきます。
作り込む人と、効果の数え方
ベースモデルを受付に使うには、追加学習と電話回線への接続を担うエンジニアが要ります。社内にいなければ、既製の電話AIのサービスを選ぶほうが早く、Haru-4B は会話の質を比べる物差しとして使う、という判断もあります。
導入の効果は、削減した時間ではなく「先月、人が一度も出ずに予約まで終わった電話が何件あったか」で数えると、判断がぶれません。数え方の考え方は生成AIの費用対効果を測る4つの問いで整理しています。
*Apache 2.0:自由に使い・直し・配れることを認める公開の条件の1つ。商用でも使え、元の著作権の表示を残すことを求める。 *GPU:画像や計算を大量に同時に処理する部品。AIのモデルを動かすときの速さを左右する。
よくある質問|Haru-4Bの使い方で迷う点
Haru-4Bは無料で試せますか?
モデルとプログラムは無料で入手でき、電話のデモは公式の番号にかけるだけで話せます。かかるのは、かける側の電話の契約どおりの通話料で、050で始まる番号は携帯電話のかけ放題の対象から外れる契約もあります。デモの番号は予告なく止まることがあると開発元が書いているので、続けて使う前提にはしないでください。
英語でも話せますか?
話せます。日本語・英語を含む9つの言語が主な対象で、公式ページには英語の雑談や投資の相談のデモも載っています。ただし電話のデモの番号は、どちらも日本語の声です。
ChatGPTの音声会話とは何が違いますか?
ChatGPT の音声会話は、OpenAI のサービスとして使う物です。Haru-4B はモデルの中身が公開されており、自社の機械で動かせます。学習のプログラムが公開されれば、追加学習で作り変えることもできます。その代わり、指示に従って調べ物をするような賢さは、今のところ期待できません。
自社のスタッフの声で話させられますか?
手本の音声を渡せば、その声に寄せて話せます。ただし本人の同意がない声は使わないでください。電話受付に使う場合は、AIが応対していることを最初に伝える一言も合わせて用意しておくと、お客様との行き違いを防げます。
さいごに
Haru-4B は、聞きながら話す日本語の音声AIで、公式の番号に電話すれば数分で実力を確かめられます。相づち・割り込み・間の3つは得意で、聞き間違えると困る日時や名前の受け取りは、小さなモデルの苦手な所です。
店舗や会社の電話受付に使うなら、会話の自然さは Haru-4B のような部品に任せ、予約の確認と書き込みはAIの外の仕組みに残す、という分け方が出発点になります。まずは社内の数人で架空の予約の電話をかけ、どこまで任せられそうかを話し合ってみてください。
電話受付のように、自社の業務のどこからAIに任せるかを決める進め方は、スマートエイトの生成AI研修でハンズオン形式で扱っています → 生成AI研修の詳細
※生成AI研修資料/導入事例も無料ダウンロードいただけます。