📰 生成AIニュースメモ

Liquid AI、日本語向けの音声・言語モデル2種を公開

🗓 2026年6月6日#Liquid AI#音声認識#LLM

「生成AIニュースメモ」は、生成AIの最新ニュースを要点3行＋詳細メモで記録していくシリーズです。関連するG検定キーワード解説への内部リンク付きで、最新動向のキャッチアップと試験の時事対策に使えます。

⚡ 3行まとめ

1Liquid AIが日本語向けの音声モデル「LFM2.5-Audio-1.5B-JP」と言語モデル「LFM2.5-1.2B-JP-202606」を公開
2音声モデルはASRとTTSを単一モデルで完結するエンドツーエンド構成で、15億パラメータながら約77億のJ-Moshiを上回る性能
3言語モデルは日本語データミックスの改善と新しい中間・事後学習により、広範な日本語ベンチマークで最高性能を達成

Liquid AIは2026年6月6日、日本語向けの新モデル2つを公開しました。「LFM2.5-Audio-1.5B-JP」は同社初の日本語音声モデルで、日本語で話しかけると日本語の音声で応答するエンドツーエンド構成です。「LFM2.5-1.2B-JP-202606」は日本語言語モデルの最新版で、広範な日本語ベンチマークで最高性能を達成したとしています。どちらのモデルも公開当日からHugging Faceで利用できます。

LFM2.5-Audio-1.5B-JP(音声モデル)

▸構成 — ASR(音声認識)とTTS(音声合成)を別々に組み合わせるのではなく、単一のモデルで完結するエンドツーエンドの音声モデル。日本語で話しかけると日本語の音声で応答する
▸位置づけ — 日本語に対応した、このスケールでは初の汎用エンドツーエンド音声モデル
▸性能 — 15億(1.5B)パラメータで、約77億パラメータのJ-Moshiを上回り、約55億パラメータのQwen2.5-Omni-3Bにも匹敵
▸用途 — 追加学習を想定したベースモデルとして提供

LFM2.5-1.2B-JP-202606(言語モデル)

前バージョンのLFM2.5-1.2B-JPは、JMMLU・M-IFEval・GSM8Kの各ベンチマークでQwen3-1.7BやLlama 3.2 1Bをすでに上回っていました。今回のアップデートでは、日本語データミックスの改善と新しい中間学習・事後学習により、さらに広範な日本語ベンチマークで最高性能を達成したとしています。

LFMシリーズの共通仕様

▸アーキテクチャ — 高速推論とオンデバイス展開のために設計されたマルチモーダルアーキテクチャ「Liquid Foundation Models(LFM)」の一員
▸コンテキスト長 — 32Kトークン(LFM2.5-8B-A1Bのみ128K)
▸対応ランタイム — Transformers、llama.cpp、vLLM、SGLang、MLX、Ollama、LEAPでの高速推論を想定した設計
▸追加学習 — LEAP Finetune、TRL、Unslothを使ったSFT・DPO・VLM・GRPOのワークフローで学習可能
▸提供形式 — Hugging Faceで重みを公開。ローカル実行向けにGGUFなどの形式も用意され、対応フォーマットはモデルごとに異なる