[控场AI]
模型

LiquidCodec

LiquidCodec 是 Liquid AI 开源的流式神经音频编解码器,参数量约 74M,采用低帧率多码本设计,为音频大模型提供高效的离散 token 化能力。

时间轴 (近 90 天)

11月12日

Liquid AI 发布了名为 LiquidCodec 的流式音频编解码器,参数量约 74M。

待验证50%
11月12日

LiquidCodec 是为 LFM3-Audio-2B 和 LFM3-Omni-2B 两款音频模型提供音频编码与解码能力的底层组件,并非面向终端用户的独立产品。

待验证50%
11月12日

LiquidCodec 运行在 12.5 Hz 的帧率上,并使用 12 个码本表示音频信息。

待验证50%
11月12日

根据官方披露的数据,LiquidCodec 在单个 CPU 线程上可实现约 361 倍于实时的编码速度。

待验证50%
11月12日

LiquidCodec 的编码在单 CPU 线程上处理一分钟音频所需计算时间不到一秒,且不依赖 GPU 加速。

待验证50%
11月12日

12.5 Hz 帧率意味着每 80 毫秒一个时间步,属于典型的低帧率流式配置。

待验证50%
11月12日

多个模型共用同一套编解码器可使音频输入输出拥有统一的 token 空间,便于在同一框架下做语音理解、生成与全双工对话,并省去为每个模型单独训练分词器的成本。

待验证50%
11月12日

361 倍实时衡量的是吞吐(处理单位时长音频所需的计算时间),并不等同于交互延迟;真正的流式延迟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。

待验证50%
11月12日

目前公开信息尚未披露 LiquidCodec 的主观音质评分、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。

待验证50%

全部知识事实 (9)

来源文章