Sakhanda Wire
NVDA $154.00 -1.37% MSFT $506.28 -2.26% GOOGL $280.87 -1.00% META $620.34 -0.97% AMZN $256.88 -0.34%
← До новин

Liquid AI випустила потоковий аудіокодек на 74 мільйони параметрів

Liquid AI випустила LiquidCodec — потоковий токенізатор мовлення для моделей LFM3-Audio-2B і LFM3-Omni-2B. Кодек містить близько 74 мільйонів параметрів, або 73,6 мільйона за даними картки моделі. Він обробляє аудіо з частотою 24 kHz при 12,5 Hz і створює 12 потоків дискретних токенів. Кожні 80 мілісекунд аудіо подаються як 12 токенів.

LiquidCodec поєднує причинний енкодер із групованою скінченною скалярною квантизацією. Оскільки групи є незалежними, усі 12 кодових книг можна передбачати паралельно. Декодер безпосередньо прогнозує спектральні коефіцієнти, не використовуючи навчене підвищення частоти транспонованими згортками. Навчання охопило 264 000 годин мовлення 107 мовами, а потім 55 000 годин повносмугового мовлення. Окремий етап квантизаційного навчання був призначений для периферійного запуску.

Під час тестів на Apple M4 Max кодування на одному потоці CPU працювало приблизно у 361 раз швидше за реальний час, а декодування — приблизно у 87 разів. У восьми тестових наборах кодек показав найкращі результати за ViSQOL і мел-відстанню серед порівнюваних систем. Водночас NanoCodec мав вищий PESQ у семи наборах. Ваги доступні через Hugging Face, а запуск підтримують CUDA, Transformers і llama.cpp.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини