L
LIQUID AI / LiquidAI/Liquid-Codec

LiquidCodec

Codec neuronal com cerca de 74 milhões de parâmetros que codifica voz em tokens discretos e os descodifica em áudio. A Liquid AI apresentou-o de forma independente a 12 de novembro; já integrava LFM3-Audio e LFM3-Omni. Não converte texto em voz por si só.

01 / RESUMO

O essencial

ORIENTAÇÃOCodec neuronal de voz em streaming

Uso primário declarado ou inferido com cautela a partir da documentação oficial.

CONTEXTOVoz mono a 24 kHz; tramas a 12,5 Hz com doze códigos por trama

Capacidade máxima de entrada quando publicada pela fonte.

SAÍDACódigos discretos e voz reconstruída; aproximadamente 1,65 kbps

Limite máximo de geração documentado.

ACESSOHugging Face · Transformers

Canais de disponibilidade verificados.

TIPO DE MODELOÁudio

Família funcional principal e especialidades verificadas.

LICENÇALFM Open License v1.0 · utilização comercial condicionada

Condições declaradas para API, pesos ou alojamento próprio.

02 / FICHA TÉCNICA

Limites e integração

ID de APILiquidAI/Liquid-Codec
Tipo de modeloÁudio
Modelo de acessoPesos transferíveis
LicençaLFM Open License v1.0 · utilização comercial condicionada
ImplantaçãoAlojamento próprio
Lançamento12 NOV 2026
Data de corte do conhecimentoNão publicado
EntradaÁudio · Tokens de áudio
SaídaTokens de áudio · Áudio
Janela de contextoVoz mono a 24 kHz; tramas a 12,5 Hz com doze códigos por trama
saída máximaCódigos discretos e voz reconstruída; aproximadamente 1,65 kbps
RaciocínioNão publicado
Ferramentas publicadas
Passeios EstruturadosNão publicado
Processamento em loteNão publicado
Cache de promptsNão publicado
Ajuste finoNão publicado
Plataformas verificadasHugging Face · Transformers
ADEQUA-SE MELHOR A

Tokenizar e reconstruir voz em sistemas locais com codificação e descodificação contínuas. Os doze grupos de códigos podem ser previstos em paralelo. Aceita voz mono a 24 kHz; não é um assistente de conversação nem um transcritor.

CONVÉM MONITORIZAR

As avaliações abrangem voz e não comprovam qualidade em música, canto ou sons ambientais. O repositório BF16 inclui código personalizado: reveja a implementação e fixe uma revisão antes de o carregar. Os descodificadores quantizados integram as distribuições GGUF de LFM3, não são checkpoints independentes deste repositório.

03 / CAPACIDADES

O que pode fazer

01

Orientação

Tokenizar e reconstruir voz em sistemas locais com codificação e descodificação contínuas. Os doze grupos de códigos podem ser previstos em paralelo. Aceita voz mono a 24 kHz; não é um assistente de conversação nem um transcritor.

02

Contexto

Voz mono a 24 kHz; tramas a 12,5 Hz com doze códigos por trama · Códigos discretos e voz reconstruída; aproximadamente 1,65 kbps

03

Ferramentas e integração

Não publicado

04

Acesso

Hugging Face · Transformers

Modalidades de entrada
ÁudioTokens de áudio
04 / PREÇOS

Custo documentado

ConceitoValorUnidade/condição
Entrada padrãoNão publicadoTarifa padrão da API
Entrada em cacheNão publicadoLeitura de prefixos reutilizados
Escrita ou armazenamento em cacheNão publicadoA condição varia consoante o fornecedor
Saída padrãoNão publicadoPode incluir tokens de raciocínio
Entrada por lotesNão publicadoProcessamento assíncrono
Saída por lotesNão publicadoProcessamento assíncrono

Não há tarifa de API alojada verificada; a instalação local consome computação. A LFM Open License v1.0 condiciona a utilização comercial através de um limiar de faturação anual de 10 milhões de USD. Consulte os termos; não é Apache 2.0 nem uma autorização comercial incondicional.

i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.

05 / AVALIAÇÕES

Como ler os resultados

“

As medições de velocidade publicadas usam FP32 e um só thread de CPU Apple M4 Max. Valores RTF menores indicam maior velocidade, não a latência de uma aplicação completa. ViSQOL 4,319 mede a reconstrução BF16 de LibriSpeech test-clean em inglês, não geração TTS nem uma média de idiomas.

BenchmarkResultadoMétricaFonte
Encoding RTF (Apple M4 Max, FP32)0,0028RTF · quanto menor, melhorVer fonte ↗
Decoding RTF (Apple M4 Max, FP32)0,0115RTF · quanto menor, melhorVer fonte ↗
ViSQOL (LibriSpeech test-clean, BF16)4,319ViSQOL · quanto maior, melhorVer fonte ↗

O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.

06 / VERSÕES

Cronologia

LiquidAI/Liquid-Codec

Publicação independente do codec já utilizado por LFM3-Audio e LFM3-Omni; a criação do repositório não é a data do anúncio.

ANÁLISE

Análises relacionadas

07 / FONTES

Rastreabilidade