74M参数、361倍实时：Liquid AI把音频Codec做成语音模型的地基

Liquid AI 发布了 LiquidCodec，一个约 74M 参数的流式音频编解码器。它被用在 LFM3-Audio-2B 和 LFM3-Omni-2B 里。按 MarkTechPost 作者 Asif Razzaq 的报道，它运行在 12.5 Hz，带 12 个码本，单 CPU 线程的编码速度约为实时的 361 倍。

先把上下文补齐。音频编解码器在语音模型里干的是“翻译”活：把连续波形压成离散 token，模型处理后，再把这些 token 还原成声音。普通用户听到的是聊天是否跟得上；开发者盯的是帧率、码本数、算力和并发。12.5 Hz 乘以 12 个码本，等于每路音频每秒 150 个 token。这个量级决定了模型上下文里要塞多少音频 token，也影响推理成本和响应节奏。

361 倍实时这个数字更直接。按单 CPU 线程算，处理 60 秒音频的理论耗时约 0.17 秒。它不保证音质，也不保证端到端延迟，但说明编码环节的算力压力可以压得很低。实时语音产品里，这种环节往往不显眼，却会卡住并发和成本。

我的判断：大模型厂商卷参数时，音频 Codec 常被当成配角。可实时语音里，配角决定延迟。LiquidCodec 只有 74M 参数，放在 LLM 叙事里不性感；放在音频链路里，它承担的是模型入口。Liquid AI 把它和 LFM3-Audio-2B、LFM3-Omni-2B 绑定，意图很清楚：模型能力之外，基础设施也要自己控。

来源：MarkTechPost，作者 Asif Razzaq，原文链接，发布日期 2026 年 11 月 12 日。素材没有附产品页或论文，音质、延迟、码率这些指标还得等更多公开信息。