Liquid AI 發布 LiquidCodec 串流音訊編解碼器

Liquid AI 發布了 LiquidCodec，這是一款約 74M 參數的串流語音分詞器，為其 LFM3-Audio-2B 和 LFM3-Omni-2B 模型提供支援，權重已發布於 Hugging Face。此編解碼器將 24 kHz 音訊壓縮為 12 個 token 流，幀率為 12.5 Hz，並在單一 CPU 執行緒上運行；Liquid AI 報告稱，在 Apple M4 Max 筆記型電腦上以 FP32 測試，編碼速度約為即時的 361 倍，解碼速度約為即時的 87 倍。它也可透過 Transformers 在 CUDA GPU 上運行，並提供適用於 llama.cpp 的 Q4_0、Q4_K_M 和 Q8_0 GGUF 版本，可透過 Transformers 以 trust_remote_code=True 載入。 Liquid AI 表示，LiquidCodec 在所有 8 個測試集上的 ViSQOL 和 mel 距離均優於 X-Codec 2、NanoCodec 和 Mimi，不過 NanoCodec 仍在 8 個測試集中的 7 個上領先 PESQ (WB)。

AI 依報導生成 · 17 小時前更新

還沒有足夠的連續觀測資料，暫不繪製趨勢。