صدا و موسیقی
@liquidai
@liquidaiتیم Liquid AI از یه کدک صوتی جدید به اسم LiquidCodec با حدود ۷۴ میلیون پارامتر رونمایی کرده که قراره موتور صوتی مدل‌های سری LFM3 این شرکت باشه
تیم Liquid AI از یه کدک صوتی جدید به اسم LiquidCodec با حدود ۷۴ میلیون پارامتر رونمایی کرده که قراره موتور صوتی مدل‌های سری LFM3 این شرکت باشه. کار این کدک در واقع خرد کردن گفتار به توکن‌هاییِ که مدل‌های زبانی متوجهش بشن و بعد، بازسازی سریع همون توکن‌ها به فایل صوتیه.
طبق ادعای این شرکت، تمرکز اصلی روی سبک بودن و سرعت پردازش بوده و تست‌هاشون روی تک‌ترد پردازنده Apple M4 Max این نتایج رو ثبت کرده:
• سرعت انکود (تبدیل صدا به توکن): بیش از ۳۶۱ برابرِ زمان واقعی
• سرعت دیکود (تبدیل توکن به صدا): بیش از ۸۷ برابرِ زمان واقعی
منبع
Liquid AI@liquidai
Introducing 𝙻𝚒𝚚𝚞𝚒𝚍𝙲𝚘𝚍𝚎𝚌, our ~74M-parameter streaming audio codec powering LFM3-Audio-2B and LFM3-Omni-2B.
An audio codec turns speech into tokens a language model can predict, then converts those tokens back into audio. We built ours around two requirements: tokens that are easy to predict and fast conversion back into speech.
On a single CPU thread on an Apple M4 Max, LiquidCodec runs at approximately:
> 361× real time for encoding
> 87× real time for decoding
Both measurements use FP32 precision.
1/ 🧵
۲۱ آبان ۱۴۰۵مشاهده در X
بیشتر بخوانید
بینگ وو، هم‌بنیان‌گذار ریتل (Retell AI)، خبر داده که نرخ درآمد سالانه این شرکت هوش مصنوعی صوتی به ۱۰۰ میلیون دلار رسیده
جیسون دینتر یه موزیک‌ویدیو منتشر کرده و گفته حدود ۹۹ درصد کار با ابزارهای هوش مصنوعی جمع شده
سازندههای استارتاپ Nuance AI بعد از ۱۸ ماه تحقیق، از یه آواتار هوش مصنوعی به اسم «اما» (Emma) رونمایی کردن که روی مدل صوتی-تصویری دوطرفه‌ای به نام Nuplex سوار شده
شرکت ElevenLabs یه ابزار جدید به اسم ElevenAgents Campaign Manager معرفی کرده که کارش خودکارسازی و مدیریت کمپین‌های ارتباط با مخاطبانه
نظرها
هنوز نظری نیست.
بخش نظرها فعلاً در دسترس نیست.