Liquid AI опубликовала LiquidCodec — потоковый аудиокодек на 74 млн параметров, который превращает речь в дискретные токены для языковой модели и восстанавливает звук из предсказанных моделью токенов. Кодек лежит в основе моделей LFM3-Audio-2B и LFM3-Omni-2B, выпущенных в конце октября. Главный акцент сделан на скорость работы на устройстве: на одном потоке процессора MacBook Pro с M4 Max кодирование идёт в 361 раз быстрее реального времени, а декодирование — в 87 раз. Кодер полностью причинный, то есть смотрит только в прошлое, что позволяет использовать его в потоковом режиме. Кодек выдаёт 12,5 кадра в секунду при частоте дискретизации 24 кГц. Вместо остаточного векторного квантования, как в Mimi, на котором работала предыдущая LFM2-Audio, здесь применено групповое конечное скалярное квантование и двенадцать кодовых книг, которые языковая модель может предсказывать параллельно. Декодер сразу выдаёт спектральные коэффициенты без обучаемого повышения частоты дискретизации. По скорости декодирования LiquidCodec опережает аналоги: на секунду звука уходит 0,0115 секунды против 0,0329 у Mimi, 0,0379 у X-Codec 2 и 0,2543 у NanoCodec. Качество восстановленной речи по метрике ViSQOL на LibriSpeech составило 4,319 против 4,219 у NanoCodec, 4,119 у X-Codec 2 и 4,031 у Mimi. По ViSQOL и расстоянию между мел-спектрограммами кодек оказался лучшим на всех восьми наборах данных на английском, китайском, немецком, французском, японском и корейском языках. Модели синтеза речи, обученные на токенах LiquidCodec, показали лучшую естественность звучания на всех восьми наборах и лучшую разборчивость на четырёх. Декодер с четырёхбитным квантованием весит в 3,5 раза меньше при ViSQOL 4,292. Кодек распространяется по лицензии LFM Open v1.0, веса доступны на Hugging Face.