11 月 12 日，Liquid AI 发布自研流式音频编解码器 LiquidCodec，规模约 7400 万参数，用于驱动 LFM3-Audio-2B 与 LFM3-Omni-2B 两个模型。它运行在 12.5 Hz 帧率上，带 12 组码本，在单条 CPU 线程上的编码速度约比实时快 361 倍。这个编解码器是十月底发布的两款 LFM3 音频模型性能的关键底座。
从 RVQ 换成 GFSQ
音频编解码器的作用是把语音转成语言模型可预测的 token，再把 token 转回语音。上一代 LFM2-Audio-1.5B 用的是第三方编码器 Mimi，压缩率好但参数约 9600 万，团队只替换了解码器就把速度提升 8 倍。这次进一步换成自研分词器，量化算法从残差向量量化 RVQ 换成有限标量量化 FSQ 及其分组变体 GFSQ，减少码本之间的顺序依赖，从而支持并行预测多个码本。
为端侧实时流式而设计
为端侧实时流式而设计
帧率保持 12.5 Hz 不变，每 80 毫秒一帧，建模 24 kHz 波形，编码器与解码器完全对称且编码器全因果，设计上偏向端侧低延迟语音流，团队称其质量与同类规模模型持平而语音生成和 token 化速度更优。同类的低延迟语音交互路线，可以看 Shizuku-Duplex 全双工语音的 80 毫秒帧率与 0.57 秒延迟。编解码器本身随模型一并开放，官方技术博客给出了完整的编码解码流程说明。官方同时公布了编解码器在语音质量指标上的对比结果。官方表示这套参数规模是端侧可跑与音质之间的折中结果。
延伸阅读
- Otter AI 支持 31 种语言：新增 27 种可跨语种转写4 天前
- Qwen3.8-Omni-Flash：29 项评测涨 25%，音频价格降 98%2 天前
- 墨尔本大学推出VoxMem基准：32K上下文下15个语音AI模型全员不及格1 月前
- ElevenLabs Realtime 发布：响应 0.57 秒、基准 98.8%4 周前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
往下这几篇值得接着看：
- ElevenLabs 推出 ElevenAI：90 种语言听写应用2026-11-14
- Otter AI 支持 31 种语言：新增 27 种可跨语种转写2026-11-10
- Qwen3.8-Omni-Flash：29 项评测涨 25%，音频价格降 98%深度2026-11-13
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记