Uso principal declarado o inferido con cautela desde la documentación oficial.
LiquidCodec
Códec neuronal de unos 74 millones de parámetros que codifica voz en tokens discretos y los decodifica en audio. Liquid AI lo presentó de forma independiente el 12 de noviembre; ya formaba parte de LFM3-Audio y LFM3-Omni. No convierte texto en voz por sí solo.
Lo esencial
Capacidad máxima de entrada cuando la fuente la publica.
Límite máximo de generación documentado.
Canales de disponibilidad verificados.
Familia funcional principal y especialidades verificadas.
Condiciones declaradas para API, pesos o despliegue propio.
Límites e integración
| ID de API | LiquidAI/Liquid-Codec |
|---|---|
| Tipo de modelo | Audio |
| Modelo de acceso | Pesos descargables |
| Licencia | LFM Open License v1.0 · uso comercial condicionado |
| Despliegue | Despliegue propio |
| Lanzamiento | 12 NOV 2026 |
| Corte de conocimiento | No publicado |
| Entrada | Audio · Tokens de audio |
| Salida | Tokens de audio · Audio |
| Ventana de contexto | Voz mono a 24 kHz; tramas a 12,5 Hz con doce códigos por trama |
| Salida máxima | Códigos discretos y voz reconstruida; aproximadamente 1,65 kbps |
| Razonamiento | No publicado |
| Herramientas publicadas | |
| Salidas estructuradas | No publicado |
| Procesamiento por lotes | No publicado |
| Caché de prompts | No publicado |
| Ajuste fino | No publicado |
| Plataformas verificadas | Hugging Face · Transformers |
Tokenizar y reconstruir voz en sistemas locales con codificación y decodificación continuas. Sus doce grupos de códigos se pueden predecir en paralelo. Acepta voz mono de 24 kHz; no es un asistente conversacional ni un transcriptor.
Las evaluaciones son de voz; no acreditan calidad en música, canto o sonidos ambientales. El repositorio BF16 incluye código personalizado: revisa la implementación y fija una revisión antes de cargarlo. Los decodificadores cuantizados se integran en las distribuciones GGUF de LFM3, no son checkpoints independientes de este repositorio.
Qué puede hacer
Orientación
Tokenizar y reconstruir voz en sistemas locales con codificación y decodificación continuas. Sus doce grupos de códigos se pueden predecir en paralelo. Acepta voz mono de 24 kHz; no es un asistente conversacional ni un transcriptor.
Contexto
Voz mono a 24 kHz; tramas a 12,5 Hz con doce códigos por trama · Códigos discretos y voz reconstruida; aproximadamente 1,65 kbps
Herramientas e integración
No publicado
Acceso
Hugging Face · Transformers
Coste documentado
| Concepto | Valor | Unidad / condición |
|---|---|---|
| Entrada estándar | No publicado | Tarifa estándar de API |
| Entrada en caché | No publicado | Lectura de prefijos reutilizados |
| Escritura o almacenamiento de caché | No publicado | La condición varía según proveedor |
| Salida estándar | No publicado | Puede incluir tokens de razonamiento |
| Entrada por lotes | No publicado | Procesamiento asíncrono |
| Salida por lotes | No publicado | Procesamiento asíncrono |
No hay tarifa de API alojada verificada; el despliegue local consume cómputo. LFM Open License v1.0 condiciona el uso comercial mediante un umbral de facturación anual de 10 millones de USD. Revisa sus términos; no es Apache 2.0 ni una autorización comercial incondicional.
i Los precios cambian y pueden depender del nivel, la región o la longitud del contexto. Revisa la fuente antes de tomar una decisión.
Cómo leer los resultados
Las mediciones de velocidad publicadas usan FP32 y un solo hilo de CPU Apple M4 Max. Los valores RTF menores indican mayor velocidad y no equivalen a latencia de una aplicación completa. ViSQOL 4,319 corresponde a reconstrucción BF16 de LibriSpeech test-clean en inglés, no a generación TTS ni al promedio de todos los idiomas.
| Benchmark | Resultado | Métrica | Fuente |
|---|---|---|---|
| Encoding RTF (Apple M4 Max, FP32) | 0,0028 | RTF · menor es mejor | Ver fuente ↗ |
| Decoding RTF (Apple M4 Max, FP32) | 0,0115 | RTF · menor es mejor | Ver fuente ↗ |
| ViSQOL (LibriSpeech test-clean, BF16) | 4,319 | ViSQOL · mayor es mejor | Ver fuente ↗ |
Inferama solo destaca un «mejor resultado» cuando la métrica, el conjunto de prueba, la configuración y la fecha permiten una comparación equivalente. Las cifras del proveedor se presentan como afirmaciones de su propia fuente.
Cronología
LiquidAI/Liquid-Codec
Publicación independiente del códec ya utilizado por LFM3-Audio y LFM3-Omni; la fecha de creación del repositorio no es la del anuncio.