Liquid AI เปิดตัว LiquidCodec โคเดกเสียงสตรีมมิ่ง

Liquid AI เปิดตัว LiquidCodec ซึ่งเป็นโทเคนไนเซอร์เสียงพูดแบบสตรีมมิ่งขนาดประมาณ 74M พารามิเตอร์ ที่ขับเคลื่อนโมเดล LFM3-Audio-2B และ LFM3-Omni-2B ของบริษัท โดยเผยแพร่เวตบน Hugging Face โคเดกนี้บีบอัดเสียง 24 kHz ให้เป็น 12 สตรีมโทเคนที่เฟรม 12.5 Hz และทำงานบนเธรด CPU เดียว Liquid AI รายงานว่าการเข้ารหัสเร็วประมาณ 361 เท่าของเวลาจริง และถอดรหัส 87 เท่า ทดสอบบนแล็ปท็อป Apple M4 Max ใน FP32 นอกจากนี้ยังทำงานบน GPU CUDA ผ่าน Transformers และมีบิลด์ GGUF แบบ Q4_0, Q4_K_M และ Q8_0 สำหรับ llama.cpp โหลดผ่าน Transformers ด้วย trust_remote_code=True Liquid AI กล่าวว่า LiquidCodec เอาชนะ X-Codec 2, NanoCodec และ Mimi ในด้าน ViSQOL และระยะเมลในทั้ง 8 ชุดทดสอบ ถึงแม้ NanoCodec ยังนำใน PESQ (WB) ใน 7 จาก 8 ชุด

สร้างจากรายงาน · อัปเดต 16 ชม. ที่แล้ว

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม