Liquid AI开源74M参数流式音频编解码器LiquidCodec

Liquid AI 发布 74M 流式音频编解码器 LiquidCodec,单 CPU 线程约 361 倍实时。
Liquid AI 发布约 74M 参数的流式音频编解码器 LiquidCodec,作为 LFM3-Audio-2B 与 LFM3-Omni-2B 的底层组件,负责音频的离散化编码与重建。它以 12.5 Hz 帧率和 12 个码本在压缩率与音质间取得平衡,并在单 CPU 线程上实现约 361 倍实时的编码速度,适合大规模预处理与边缘部署。文章指出,编解码器决定了音频如何被 token 化并被语言模型理解,两个模型共享同一方案意味着统一的音频输入输出接口。流式设计面向实时对话、转录等低延迟场景,但主观音质、横向对比与网络抖动下的延迟表现尚未披露。
Liquid AI 近日发布了一款名为 LiquidCodec 的流式音频编解码器,参数量约为 74M。这款模型并非面向终端用户的独立产品,而是作为底层组件,为 LFM3-Audio-2B 和 LFM3-Omni-2B 两款音频模型提供音频的编码与解码能力。

小体积与高吞吐的设计取舍
LiquidCodec 的核心规格围绕“实时流式处理”展开。它运行在 12.5 Hz 的帧率上,并使用 12 个码本(codebooks)来表示音频信息。这一组合意味着模型每秒只需处理少量时间步,却通过多码本并行的方式保留足够的声学细节,从而在压缩率与重建质量之间取得平衡。
更值得关注的是效率表现。根据官方披露的数据,LiquidCodec 在单个 CPU 线程上即可实现约 361 倍于实时的编码速度。这个数字的含义是:处理一分钟的音频,所需计算时间不到一秒,且不依赖 GPU 加速。对于需要大规模音频预处理、或在边缘设备上部署语音交互的场景,这种 CPU 友好的特性具有实际价值。
码本与帧率的基本含义
在神经音频编解码器中,“码本”(codebook)指一个离散向量表,编码器将每一帧音频映射为若干码本索引,解码器再据此重建波形。单个码本表示能力有限,因此常采用多码本并行(如残差向量量化或分组量化),用多个索引共同刻画同一帧的声学细节——码本数越多,可保留的音质与音色信息越丰富,但 token 序列也越长。
“帧率”则是每秒切分并编码的时间步数量。帧率越低,序列越短,语言模型或下游网络需要处理的 token 越少,计算与显存开销随之下降;代价是每帧需承载更多信息,通常依赖更多码本来补偿。12.5 Hz 即每 80 毫秒一个时间步,属于典型的低帧率流式配置,与 12 码本搭配形成“短序列、宽表示”的权衡。
为何编解码器成为音频模型的关键一环
在大模型语境下,编解码器往往不如模型本身引人注目,但它决定了音频信号如何被离散化、如何被语言模型“理解”。LiquidCodec 同时服务 LFM3-Audio-2B 与 LFM3-Omni-2B,说明 Liquid AI 正将音频输入输出统一到一套共享的 token 化方案上。
多码本设计与低帧率的结合,是当前流式音频生成中常见的思路:低帧率降低序列长度,减轻模型的计算负担;多码本则弥补低帧率带来的信息损失。12 个码本属于较丰富的配置,通常指向对音质有较高要求的应用,而非单纯的语音识别预处理。
离散 token 化与语言模型的对接
当前音频大模型普遍借用语言模型的建模范式:先把连续波形量化成离散 token 序列,再像处理文本一样用自回归或掩码预测来建模。编解码器因此扮演“分词器”的角色,其码本结构直接决定 token 的词表形态与序列长度。若多个模型共用同一套编解码器,音频输入输出就拥有统一的 token 空间,便于在同一框架下做语音理解、生成与全双工对话,也省去为每个模型单独训练分词器的成本。LiquidCodec 同时服务 LFM3-Audio-2B 与 LFM3-Omni-2B,正是这种共享 token 化方案的体现。
流式能力指向实时交互场景
“流式”是这款编解码器的关键词。实时语音对话、直播字幕、在线会议转录等场景,都要求音频处理以低延迟、连续的方式进行,而非等待整段音频结束后再批量处理。LiquidCodec 的 12.5 Hz 帧率天然适配分块处理,配合单线程 CPU 上的高吞吐,可以在资源受限的环境中维持稳定的实时处理管线。
目前公开信息集中在规格层面,尚未披露主观音质评分、与其他编解码器的横向对比,以及在真实网络抖动条件下的延迟表现。这些细节将决定它在实际产品中的落地效果。
“实时倍数”与流式延迟的区别
361 倍实时(361× RTF 的倒数)衡量的是吞吐:处理单位时长音频所需的计算时间,反映算力效率,并不等同于交互延迟。真正的流式体验还取决于算法是否需要看到未来上下文、分块窗口大小以及编解码往返引入的额外时延。低帧率分块有利于边收边算,但若模型依赖跨块上下文,端到端延迟仍可能累积。因此评估这类编解码器时,吞吐数据与首包延迟、抖动鲁棒性需要分开看待。
小结
LiquidCodec 的发布补齐了 Liquid AI 音频模型栈的底层环节。74M 的参数量、12.5 Hz 帧率、12 码本,以及单 CPU 线程约 361 倍实时的编码速度,共同勾勒出一个面向实时、轻量部署的音频编解码方案。它的实际影响,最终要由 LFM3-Audio-2B 与 LFM3-Omni-2B 在语音交互任务中的表现来检验。
相关推荐

Claude Mythos 5.2 与 Fable 5.2 错误率异常升高
Claude Mythos 5.2 和 Claude Fable 5.2 出现请求错误率异常升高,官方状态页已标记为调查中。本文梳理事件概况、对开发者的实际影响及应对建议。

ReAct运行时上下文裁剪:Claude Code为何70%就动手
深入解析ReAct运行时的上下文裁剪机制:为什么Claude Code在上下文使用约70%时就触发压缩,工具调用为何占用最多、为何必须成组丢弃,以及代码库为何不需要RAG。基于B站小福哥《分币不掏,学习AI Agent开发》第17节整理。

AI Agent vs LLM:Cursor和Claude Code如何真正工作
深入解析AI Agent与LLM的本质区别:LLM生成代码建议,Agent则通过工具调用修改文件、运行测试。以Spring Boot Bug修复为例,拆解Cursor和Claude Code的工作流、权限控制与验证机制。