LFM2.5-Audio-1.5B
1.5B档端到端语音语言模型，官方定位低延迟实时语音对话：同一模型完成语音识别与语音合成，无需外挂独立ASR/TTS组件，仅支持英语。
最后核实：
https://huggingface.co/LiquidAI/LFM2.5-Audio-1.5B特点与限制
主要特点
- 端到端音频语言模型：官方称无需单独的ASR与TTS组件，模型卡参数表列出语言骨干1.2B、FastConformer音频编码器115M（canary-180m-flash）与Mimi兼容音频解词器（8个码本，24kHz输出）
- 支持两种生成流程：interleaved面向实时语音对话（输出文本与音频交替），sequential适用于ASR、TTS等非对话任务并可通过特殊token切换模态
- 官方标注上下文32,768 token，词表为文本65,536与音频2049*8，精度bfloat16
- 支持英语；官方在模型卡Supported languages仅列出English
- 提供四个预置音色，通过系统提示选择（US male、US female、UK male、UK female）
- 官方提供liquid-audio Python包、Gradio演示命令liquid-audio-demo，以及适配llama.cpp的GGUF仓库（含llama-liquid-audio-cli与llama-liquid-audio-server运行器）
- 官方称1.2.0起支持interleaved与sequential两种模式的微调，提供数据准备工具与轻量训练器
使用边界
- 仅支持英语：官方模型卡Supported languages只列English，其他语种的识别与合成效果未获官方支持。
- 官方未公布任何TTS客观音质指标（如MOS、SIM或合成内容WER），只称“更好的TTS voices”，语音合成质量缺少可引用证据。
- 官方模型卡未披露ASR评测的音频划分、文本标准化、解码配置与模型revision；成绩为发布方自测，本站未复现。
- 音频输出依赖Mimi兼容解词器（24kHz），解码链路与纯文本模型不同；推理需要liquid-audio包或官方GGUF运行器。
- 权重采用LFM Open License v1.0：商用权利以年收入低于1000万美元为条件（许可第5节与定义将Threshold设为10,000,000美元年收入），超过该门槛的商业使用不在该许可范围内；非营利与研究用途不受门槛限制。
- 随包分发的第三方组件另有许可：音频编码器代码基于Nvidia NeMo（Apache-2.0），canary-180m-flash检查点为CC-BY-4.0，附带Kyutai Mimi代码（MIT）与Mimi权重（CC-BY-4.0）；再分发时需一并遵守。
- 本站未实测识别准确率、合成质量与实时延迟。
模型信息
- 家族与版本
- LFM2.5 / 2.5
- 输入与输出
- 文本、音频 → 文本、音频
- 公开参数规模
- 1.47B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方型号档位为1.5B；模型卡参数表只给出“Parameters (LM only) 1.2B”，并列出音频编码器FastConformer（115M，canary-180m-flash）与Mimi兼容音频解词器（8个码本）。HF权重元数据safetensors张量参数合计1,470,308,496（约1.47B），为仓库内整包权重（语言骨干＋音频编码器＋解词器等）的口径，官方未按整套系统给出统一参数总量，故不以档位名或语言骨干替代整包数值。 参数来源
- 原生上下文
- 32,768 tokens
- 扩展上下文
- 未提供
- 语言声明
- 英语；语言支持不代表对应语言的评测水平。
- 权重许可
- LFM Open License v1.0
- 代码许可
- LFM Open License v1.0（liquid-audio 包仓库）
- 训练资料
- 官方公开口径：由预训练的LFM2.5语言模型作为多模态骨干，配FastConformer音频编码器（115M，canary-180m-flash）处理连续音频输入，以及RQ-transformer生成离散token并配轻量音频解词器输出音频；官方称该版本基于更强的LFM2.5-1.2B基座并改进ASR与TTS。训练数据清单、语料规模与许可未公开。
能力依据
模型变体：专用版；家族与版本：LFM2.5 / 2.5
语音识别
LFM2.5-Audio官方模型卡ASR评测（WER） · WER7.53%官方ASR表8个数据集的WER平均值（AMI、Earnings22、GigaSpeech、LibriSpeech-clean、LibriSpeech-other、SPGISpeech、TED-LIUM、VoxPopuli） · enLFM2.5-Audio官方模型卡ASR评测（WER） · WER1.95%LibriSpeech-clean · enLFM2.5-Audio官方模型卡ASR评测（WER） · WER15.63%AMI（远场会议语音） · en查看评估与来源收起补充信息
语音识别
可作为英语端侧转写候选：官方模型卡报告LFM2.5-Audio-1.5B的8数据集WER平均值为7.53%、LibriSpeech-clean 1.95%、AMI 15.63%，官方称相对LFM2-Audio-1.5B整体改善。仅支持英语，成绩为发布方自测。
- 官方表同时列出8个公开数据集与本型号逐数据集WER，并给出Whisper-large-V3等对照，便于定位难度分布。
- 同一模型可端到端完成语音识别与语音合成，无需外挂独立ASR/TTS组件。
- 官方提供liquid-audio包与llama.cpp兼容GGUF两条部署路线。
- 仅支持英语，其他语种与口音覆盖未获官方支持。
- 官方未披露音频划分、文本标准化、解码配置与模型revision；未找到许可明确且确认为独立方的同型号复测。
- 远场会议类数据（AMI 15.63%）等困难场景错误率明显高于朗读类数据。
- 本站未实测识别准确率与延迟。
LFM2.5-Audio官方模型卡ASR评测（WER） · WER
7.53%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-Audio-1.5B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- 官方ASR表8个数据集的WER平均值（AMI、Earnings22、GigaSpeech、LibriSpeech-clean、LibriSpeech-other、SPGISpeech、TED-LIUM、VoxPopuli） / 未提供
- 基准 / 报告版本
- 官方模型卡ASR表（Word Error Rate，越低越好）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡ASR表列出LFM2.5-Audio-1.5B的WER average为7.53，同表并列LFM2-Audio-1.5B（9.38）、Qwen2.5-Omni-3B（7.90）与Whisper-large-V3（7.44）等对照，并逐数据集列出数值。表未披露模型revision、音频划分、文本标准化、解码配置与评测运行日期；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-audio-1-5b-model-card
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-Audio-1.5B
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层测试数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露模型revision、音频划分、文本标准化与解码配置等足以复现和统一对齐的评测条件；该汇总值仅记录原报告口径，不加入跨型号比较组。
LFM2.5-Audio官方模型卡ASR评测（WER） · WER
1.95%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-Audio-1.5B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- LibriSpeech-clean / 未提供
- 基准 / 报告版本
- 官方模型卡ASR表（Word Error Rate，越低越好）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡ASR表列出LFM2.5-Audio-1.5B在LibriSpeech-clean列为1.95，同表并列LFM2-Audio-1.5B（2.03）、Qwen2.5-Omni-3B（2.14）与Whisper-large-V3（2.01）。表未披露模型revision、音频划分、文本标准化与解码配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-audio-1-5b-model-card
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-Audio-1.5B
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层测试数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露模型revision、音频划分、文本标准化与解码配置等足以复现和统一对齐的评测条件；该结果仅记录原报告口径，不加入跨型号比较组。
LFM2.5-Audio官方模型卡ASR评测（WER） · WER
15.63%官方报告 · Liquid AI（模型发布方自报）官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-Audio-1.5B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- AMI（远场会议语音） / 未提供
- 基准 / 报告版本
- 官方模型卡ASR表（Word Error Rate，越低越好）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡ASR表列出LFM2.5-Audio-1.5B在AMI列为15.63，为该表本型号的最高错误率列，同表并列Qwen2.5-Omni-3B（15.05）与Whisper-large-V3（15.95）；Earnings22为14.56、VoxPopuli为7.13。表未披露模型revision、音频划分、文本标准化与解码配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-audio-1-5b-model-card
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-Audio-1.5B
- 来源使用说明
- 引用来源；许可：未提供；仅记录官方模型卡中的少量型号成绩并保留发布方署名与来源链接；不复制整表或底层测试数据，引用不更改原仓库及数据集许可。 查看说明
- 比较状态
- 不可比：来源未披露模型revision、音频划分、文本标准化与解码配置等足以复现和统一对齐的评测条件；该结果仅记录原报告口径，不加入跨型号比较组。
语音合成
暂无可靠公开成绩
查看评估与来源收起补充信息
语音合成
暂无可靠公开成绩
证据不足：官方模型卡只称该版本相较LFM2-Audio-1.5B有“更好的TTS voices”，未公布任何TTS客观指标（MOS、SIM或合成内容WER），也没有公开测试集与配置；因此不给出语音合成质量结论。
- 官方与配套仓库说明支持四个预置音色（US/UK 男声与女声），并以sequential生成模式覆盖TTS，接口与示例完整。
- 官方称1.2.0起支持TTS场景的微调，提供数据准备工具与轻量训练器。
- 缺少可引用的客观音质或自然度指标，官方仅作定性描述。
- 官方模型卡另提供音频输入对话质量（VoiceBench）成绩，但该口径不属于语音识别或语音合成指标，本条目未收录。
- 预置音色数量有限，不支持官方文档范围外的音色选择；本站未做听测或延迟验证。
暂无该用途的公开评测成绩；不能从其他用途或缺失值推断能力。
运行条件与获取
liquid-audio（Python 包）
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；内存、显存与延迟取决于运行时、精度、音频长度与是否使用FlashAttention 2，官方未给出该型号的资源需求数值。
内存：未核实；显存：未核实。
依赖：liquid-audio、torch、torchaudio、flash-attn（官方标注为可选优化项，未安装时回退torch SDPA）。
STEP 01 安装 liquid-audio
官方How to run给出的安装命令；官方另说明AMD ROCm环境需匹配对应的PyTorch版本。本站未执行。
pip install liquid-audioSTEP 02 可选：安装演示依赖
官方标注demo依赖为可选项，安装后可启动Gradio演示界面。本站未执行。
pip install "liquid-audio [demo]"STEP 03 启动 Gradio 演示
官方说明该命令会在7860端口启动本地webserver，可通过http://localhost:7860/访问。本站未启动。
liquid-audio-demoSTEP 04 加载模型并生成
按官方示例用LFM2AudioProcessor与LFM2AudioModel从LiquidAI/LFM2.5-Audio-1.5B加载，用ChatState组织回合；对话用generate_interleaved（系统提示Respond with interleaved text and audio.），ASR与TTS用generate_sequential，音频经processor.decode解词为24kHz波形。本站未下载权重或运行模型，需在目标设备验证。
llama.cpp（llama-liquid-audio 运行器）
系统支持未提供 · GGUF · 官方GGUF仓库提供多种量化等级（见仓库文件）
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；具体占用取决于量化等级与运行时，不将文件体积换算为资源保证。
内存：未核实；显存：未核实。
依赖：以官方指引为准。
STEP 01 获取GGUF量化权重
官方称LFM2.5-Audio-1.5B随版本提供兼容llama.cpp的GGUF，用于CPU推理与本地部署；仓库指向LFM2.5-Audio-1.5B-GGUF。本站未下载权重。
STEP 02 使用官方运行器
GGUF仓库的runners目录提供llama-liquid-audio-cli与llama-liquid-audio-server两个运行器；模型卡与仓库未给出可直接复制的命令行示例，命令留空。本站未执行。