Liquid AI 发布 LiquidCodec 流式音频编解码器

Liquid AI 发布了 LiquidCodec，这是一个约 7400 万参数的流式语音分词器，为其 LFM3-Audio-2B 和 LFM3-Omni-2B 模型提供支持，权重已发布在 Hugging Face 上。该编解码器将 24 kHz 音频压缩为 12 路 token 流，帧率为 12.5 Hz，可在单个 CPU 线程上运行；Liquid AI 报告称，在 Apple M4 Max 笔记本电脑上以 FP32 测试，编码速度约为实时的 361 倍，解码速度约为实时的 87 倍。它还可通过 Transformers 在 CUDA GPU 上运行，并为 llama.cpp 提供了 Q4_0、Q4_K_M 和 Q8_0 GGUF 构建版本，可通过 Transformers 以 trust_remote_code=True 加载。 Liquid AI 表示，在所有 8 个测试集上，LiquidCodec 在 ViSQOL 和 mel 距离指标上均优于 X-Codec 2、NanoCodec 和 Mimi，不过 NanoCodec 仍在 8 个测试集中的 7 个上领先 PESQ (WB)。

AI 根据报道生成 · 17 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。