LiquidCodec da Liquid.AI Promete Geração de Fala Rápida e Eficiente

A Liquid.AI lançou o LiquidCodec, um codec de áudio otimizado para a geração rápida e eficiente de fala, projetado para rodar localmente em dispositivos. Ele traduz áudio em tokens para modelos de linguagem e vice-versa. O LiquidCodec tem cerca de 74 milhões de parâmetros. Sua qualidade é medida pela fidelidade da reconstrução e pela capacidade de compressão de fala, superando modelos de tamanho similar na velocidade de geração de fala e decodificação de token para waveform. A arquitetura do LiquidCodec combina processamento espectral tradicional com um codificador e decodificador simétricos, adequados para inferência de baixa precisão e streaming de áudio em tempo real. A Liquid.AI o treinou em duas etapas, usando um corpus de mais de 264.000 horas em 107 idiomas para a fase inicial, e refinando a qualidade com 55.000 horas de fala limpa em múltiplos idiomas na segunda etapa, incorporando críticos adversariais para evitar artefatos.

Em 28 de outubro de 2026, o CEVIU noticiou o lançamento do LFM3, família de modelos open weight da Liquid AI. O LiquidCodec é um componente essencial da arquitetura LFM3. Naquele momento, a Liquid AI já havia otimizado o detokenizer de modelos anteriores, como o LFM2.5-Audio-1.5B, para ser 8 vezes mais rápido. Agora, com o LiquidCodec, a empresa substituiu o tokenizer de terceiros, que usava a quantização residual vetorial (RVQ) do Mimi, pelo seu próprio tokenizer que emprega a quantização escalar finita (FSQ) ou agrupada (GFSQ). Esta mudança é um salto, pois o FSQ/GFSQ permite a predição paralela de tokens de áudio, minimizando dependências sequenciais e otimizando tanto a qualidade dos tokens quanto a facilidade de predição pelos modelos.

Para desenvolvedores de IA conversacional, o LiquidCodec significa um avanço substancial na capacidade de criar aplicações que operam localmente. A alta velocidade de codificação e decodificação, combinada com baixo consumo de memória, permite interações de voz em tempo real e com baixa latência, mesmo em dispositivos com recursos limitados. Isso abre portas para assistentes de voz mais responsivos, tradução em tempo real e outras aplicações de IA que dependiam de processamento em nuvem. A disponibilidade do LiquidCodec no Hugging Face e sua integração com o Transformers simplificam a adoção por quem já trabalha com esses ecossistemas. A arquitetura otimizada para o “edge” também alinha o LiquidCodec com a crescente demanda por IA on-device, que se beneficia de privacidade, menor custo e maior resiliência.