分组有限标量量化

Liquid AI 发布 LiquidCodec，一个约 7400 万参数的流式音频编解码器，将语音转为语言模型可预测的 token 再还原为音频，已用于 LFM3-Audio-2B 与 LFM3-Omni-2B。其核心创新是用分组有限标量量化（GFSQ）替代残差向量量化，每 80 毫秒帧生成 12 个独立 token 可并行预测，解码器直接预测频谱系数并跳过转置卷积上采样。在 Apple M4 Max 单 CPU 线程 FP32 下编码约 361 倍、解码约 87 倍实时，编码 RTF 0.0028 远优于 Kyutai Mimi 的 0.0361，并在全部 8 个测试集上取得最佳 ViSQOL 与 TTS UTMOSv2；但 PESQ 在 7/8 测试集上仍落后 NVIDIA NanoCodec，且未公布比特率与毫秒级延迟。权重已在 Hugging Face 开放，并提供 llama.cpp 的 GGUF 量化版本。