Today for AI
返回热点榜
opensource热度 15.7°

AI 聚合热点事件 · 2026/11/13

Liquid AI 开源 7400 万参数流式音频编解码器

1 篇收录报道1 家独立信源交叉印证持续跟踪至 2026/11/13 06:45:37
全景综述与最新动态
1 家信源交叉印证

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。

最新动向/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。

逐小时热度走势

8 个完整观测小时
当前
15.7
峰值
18.107:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

报道时间线

共 1 篇 · 最新优先
  1. Marktechpost (@Marktechpost)T2·78 分

    Liquid AI 开源 7400 万参数流式音频编解码器

    原标题：▲ Liquid AI just released LiquidCodec, a ~74M-parameter streaming audio codec that turns speech into...

    • 用分组有限标量量化（GFSQ）替代残差向量量化，每 80 ms 帧输出 12 个可并行预测的独立 token
    • 单 CPU 线程编码约 361 倍实时，编码 RTF 0.0028 显著优于 Kyutai Mimi 的 0.0361
    • ViSQOL 与 TTS UTMOSv2 在 8 个测试集全部领先，但 PESQ 仍逊于 NVIDIA NanoCodec，且未公布比特率与延迟