LiquidAI 开源 74M 语音编解码模型 LiquidCodec，CPU 解码达实时 87 倍
做端侧语音项目的可以留意这个。74M 参数，CPU 上解码就有实时 87 倍的速度，比 Mimi 快 2.9 倍，还支持 Q4_0 量化，智能耳机、车载这类没 GPU 的场景终于能跑得起实时语音了。
LiquidAI 发布 74M 参数的语音编解码模型 LiquidCodec，并开放权重支持本地部署。在 Apple M4 Max、单线程 CPU、FP32 条件下，音频编码速度达到实时的 361 倍，解码速度达到实时的 87 倍，解码吞吐约为 Mimi 的 2.9 倍、X-Codec 2 的 3.3 倍。
技术上，LiquidCodec 采用 GFSQ 分组有限标量量化，替代传统 Codec 的残差向量量化，减少了量化码本之间的顺序依赖，让音频 Token 更适合语音大模型并行预测；架构上使用针对高效计算设计的 LFM3 模块来降低解码计算开销。模型通过量化感知训练，在 Q4_0 低精度条件下仍能保持声音重建质量，进一步压缩模型体积和运行资源需求。
对语音 AI 而言，音频编解码器是比理解和自然度更少被关注却实际存在的瓶颈，语音模型需要把声音编码为 Audio Token，生成后再由解码器还原为可播放的声音。更轻量的编解码器意味着端侧语音 Agent、AI 眼镜、智能耳机、车载 AI 等设备可以在 CPU 上完成实时语音交互，降低本地语音处理的硬件门槛。
一个74M的语音编解码模型：LiquidCodec，让语音AI在CPU上也能高速编解码音频，解码速度达到实时的87倍
这东西对端侧语音Agent、AI眼镜、智能耳机、车载AI来说值得关注
权重已开放，支持本地部署
性能上，在Apple M4 Max、单线程CPU、FP32条件下 音频编码速度达到实时的361倍 音频解码速度达到实时的87倍 同一测试条件下，解码吞吐速度约为Mimi的2.9倍、X-Codec 2的3.3倍
现在大家都在卷语音大模型的理解能力、自然度和实时交互，但还有一个容易被忽视的瓶颈就是音频编解码器
语音模型通常需要先把声音编码成离散的Audio Token，模型理解、推理并生成语音Token后，还要通过解码器把这些Token还原成可以播放的声音
LiquidCodec的技术关键点：
采用GFSQ分组有限标量量化 相比部分传统Codec采用的残差向量量化，它减少了量化码本之间的顺序依赖，让音频Token更适合语音大模型学习和并行预测
优化编解码器架构 采用针对高效计算设计的LFM3架构模块，并优化音频重建过程，减少解码时的计算开销
面向低精度部署 通过量化感知训练，让解码器在Q4_0等低精度条件下，仍能尽量保持声音重建质量，降低模型体积和运行资源需求
更轻量、更快的音频编解码器，可以帮助降低本地语音处理的资源门槛，让实时语音交互更容易在端侧落地
#LiquidAI #LiquidCodec #VoiceAI
This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include LiquidCodec, LiquidAI, open-source models.
Source attribution: curated from AIGCLINK (@aigclink).
