|
Liquid AI于11月12日发布LiquidCodec，一款约7400万参数的流式音频编解码器，供其LFM3-Audio与LFM3-Omni语音模型使用。它把24kHz音频转换为语言模型可预测的离散Token，再将Token还原为语音；帧率为12.5Hz（每帧80毫秒）。
公司称，该设计重点兼顾模型可预测性和编解码速度，并在107种语言、约26.4万小时语音数据上预训练，再以约5.5万小时高保真语音微调。Liquid AI表示，约74M参数规模下，重建质量和压缩率与同尺寸方案相当，同时语音生成及Token到波形的解码速度更快。模型权重已在Hugging Face开放。上述性能比较来自公司披露，实际效果仍需按目标设备和任务复测。
来源：Liquid AI官方技术博客
https://www.liquid.ai/blog/liquidcodec |
0