Обзор новых нейросетевых моделей и технологических разработок в области искусственного интеллекта

Machinelearning@ai_machinelearning_big_dataТехнологии и IT17 ноября 2026, 17:47
  • Фото поста канала Machinelearning

🌟 Liquid AI выложила речевой кодек своих аудиомоделей LFM3 LiquidCodec - компактный потоковый аудиокодек на 74 млн параметров, который переводит речь в дискретные токены для языковой модели и собирает звук обратно из токенов, предсказанных моделью. На нём построены вышедшие в конце октября LFM3-Audio-2B и LFM3-Omni-2B, а главный упор сделан на скорость для работы на устройстве - на одном потоке процессора MacBook Pro с M4 Max кодирование идёт в 361 раз быстрее реального времени, декодирование в 87 раз. 🟡Архитектура LiquidCodec выдаёт 12,5 кадра в секунду при частоте звука 24 кГц, кодер у него полностью причинный, т. е смотрит только в прошлое и подходит для потоковой работы. Вместо остаточного векторного квантования, как в кодеке Mimi, на котором работала прошлая LFM2-Audio, здесь групповое конечное скалярное квантование и двенадцать кодовых книг языковая модель может предсказывать параллельно. Декодер сразу выдаёт спектральные коэффициенты, без затратного обучаемого повышения частоты дискретизации. 🟡Тесты Декодирование у LiquidCodec заметно быстрее, чем у соперников - 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 лучший на всех восьми наборах на английском, китайском, немецком, французском, японском и корейском. Модели синтеза речи, обученные на токенах LiquidCodec, получили лучшую естественность звучания на всех восьми наборах и лучшую разборчивость на четырёх. Декодер с четырёхбитным квантованием весит в 3,5 раза меньше и почти не теряет в качестве - ViSQOL 4,292. 📌Лицензирование: LFM Open v1.0 🟡Блогпост 🟡Веса @ai_machinelearning_big_data #AI #ML #Audio #LiquidCodec #LiquidAI

  • 31
  • 25
  • 11
  • 4
  • 4
  • 3
  • 3

Похожие посты

Machinelearning@ai_machinelearning_big_dataТехнологии и IT16 ноября 2026
Обзор новых нейросетевых моделей и технологических разработок в области искусственного интеллекта
  • Фото поста канала Machinelearning

✔️ Loom: превращение записей носимой камеры в долговременную память Looki, китайский производитель носимой камеры Looki L1, представил Loom, систему мультимодальных моделей, которые превращают снятое камерой и микрофонами за день в память с привязкой ко времени и исходным записям. Loom состоит из двух моделей, Sense и Moment, и системы памяти Memory. Sense определяет, что происходит сейчас: модель получает фрагмент видео и звука, вопрос о событии и варианты ответа и оценивает их без генерации...

  • 82
  • 40
  • 20
  • 14
  • 6
  • 4
Machinelearning@ai_machinelearning_big_dataТехнологии и IT16 ноября 2026
Обзор новых нейросетевых моделей и технологических разработок в области искусственного интеллекта
  • Фото поста канала Machinelearning

🌟Исследователи научились лучше рекомендовать новые товары и контент — качество ранжирования выросло на 35% Российские исследователи предложили три подхода к рекомендательным системам, которые представили в Риме на конференции ACM CIKM – одной из ведущих в области поиска и обработки информации. Чтобы повысить качество рекомендаций новых или непопулярных товаров, исследователи используют текстовые описания товаров вместе с историей взаимодействий пользователей. Один из подходов – модель L3AE, к...

  • 107
  • 31
  • 30
  • 12
  • 8
  • 5
Технологии | Нейросети | Боты@aiaiaiТехнологии и IT16 ноября 2026
Обзор новых нейросетевых моделей и технологических разработок в области искусственного интеллекта

📌 Сохраняем главные нейронаходки уходящей недели. • VoxCPM2 — бесплатно клонирует голос по паре секунд аудио и озвучивает текст на 30 языках. • CHIMERA — виртуальная голова, которая умеет петь и битбоксить. Управлять языком и губами можно мышкой. • Claude Fable 5.2 — мощная нейронка для вайбкодинга, клепает приложения и 3D-игры с графикой, физикой и звуком. • Obscura — сверхлёгкий браузер для ИИ-агентов и парсинга, который жрёт всего 30 МБ оперативки. • ReelMimic — бесплатный скилл для ИИ-аген...

  • 13
  • 6
  • 4
  • 1
Hard To Be Crypto@h2becryptoФинансы и криптовалютывчера
Обзор новых нейросетевых моделей и технологических разработок в области искусственного интеллекта

Meituan выложила веса LongCat-Video-Avatar 1.6 — модель превращает фото и аудио в говорящего или поющего персонажа. Ролики могут длиться больше 10 минут, а сами персонажи сохраняют внешность при длинной генерации. В версии 1.6 поправили липсинк, убрали часть артефактов с артикуляцией и цветом губ, ускорили инференс. Модель умеет работать с одним или несколькими персонажами; веса вышли под лицензией MIT. В слепом сравнении с участием 6 систем модель набрала 1068,1 Elo и заняла второе место — вы...