К содержимому
Аудио

LFM3-Audio-2B-Full-Duplex

полнодуплексный голосовой ИИ в реальном времени

3 мин чтенияобновлено

Адаптация базовой аудиомодели LiquidAI/LFM3-Audio-2B от автора MAdel121, превращающая её в полнодуплексного голосового собеседника с шагом обработки 80 ms. В отличие от оригинальной модели, которая работает строго по очереди, эта версия умеет одновременно слушать и говорить: она замолкает, когда её перебивают, не сбивается от коротких реплик одобрения пользователя и сама вставляет естественные «угу» и «да» без внешних модулей VAD (детектора речи), ASR (распознавания речи) и TTS (синтеза речи). Решение построено на лёгком LoRA-адаптере (небольшая надстройка над базовой моделью, 68 MB) и отдельной лёгкой голове Conv1D на 91K параметров для генерации реакций. Подойдёт исследователям и разработчикам локальных голосовых ассистентов, которым нужен живой диалог с низкой задержкой, в том числе на Apple Silicon.

Ключевые особенности

  • Потоковый режим 80 ms: модель принимает аудиопоток пользователя 16 kHz и генерирует ответный звук 24 kHz через LiquidCodec внутри единого открытого диалога.
  • Устойчивость к репликам поддержки: обучение на временных окнах позволило удерживать речь при коротких комментариях пользователя вроде «да, точно» в 93.3% случаев против 58.3% при покадровом подходе.
  • Изолированные реакции: отдельная голова Conv1D воспроизводит 3 заранее закодированных аудиофрагмента «угу/да» мимо KV-кэша основной модели, не засоряя её контекст и не мешая дальнейшим ответам.
  • Сохранение знаний базы: дистилляция на собственных ответах модели с KL-якорем убрала утечки чужих персон и сохранила около 95% точности базовой модели на устных вопросах (29–30 / 120 против 31 / 120).

Что можно сделать

  • Запустить локальный голосовой чат в браузере: протестировать живой диалог с перебиваниями в наушниках через встроенный веб-интерфейс eval.live.
  • Обрабатывать готовые аудиозаписи: прогонять .wav и .flac файлы в офлайн-режиме через eval.demo для оценки таймингов и реакции на перебивания.
  • Встроить в исследовательский прототип ассистента: использовать готовый рантайм на 80 ms как компактную альтернативу тяжёлым каскадам из отдельных моделей распознавания и синтеза речи.

Пример

# Запуск живого голосового чата в браузере (требуются наушники)
python -m eval.live serve --out talks/local --key live

# Офлайн-тест на аудиофайле
python -m eval.demo run --champion --in user_input.wav --out demo_out
Подробнее Бенчмарки (Full-Duplex-Bench v1.0, 727 клипов): TOR на паузах 0.044 (синтетика) и 0.116 (CANDOR), релевантность при перебивании 4.38 / 5, медианная остановка при перебивании — 1.22 s.
Железо и скорость: работает локально в float32 на Apple Silicon (MPS) со скоростью 59 ms на шаг в 80 ms; длина сессии ограничена примерно 3 минутами из-за роста KV-кэша.
Обучение и вес: LoRA (rank 16, 68 MB) обучена за 45 GPU-минут, Conv1D-голова весит 1.4 MB; требуются веса LiquidAI/LFM3-Audio-2B и Python 3.12.
Ограничения и лицензия: только для некоммерческих исследований (LFM Open License v1.0 + некоммерческие датасеты); для работы в браузере обязательны проводные наушники, так как эхоподавление отключено.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 3.8 GB · готовые файлы4.7 GB
  • FP8 / INT8рекомендуемвеса 1.9 GB2.6 GB
  • 4-bitвеса 1.1 GB1.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью LFM3-Audio-2B.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # MAdel121/LFM3-Audio-2B-Full-Duplex
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download LiquidAI/LFM3-Audio-2B --local-dir ~/models/LFM3-Audio-2B
    hf download MAdel121/LFM3-Audio-2B-Full-Duplex --local-dir ~/models/LFM3-Audio-2B-Full-Duplex
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к LFM3-Audio-2B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

LiquidAI/LFM3-Audio-2B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии LFM3-Audio-2B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 7Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

MAdel121/LFM3-Audio-2B-Full-Duplex
Автор
MAdel121
Категория
Аудио
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Аудио

Sayso

Sayso