LFM3-Audio-2B vs Sesame Preview: Een download en een app zijn niet dezelfde keuze

Sesame Preview is de stem die mensen als menselijk omschrijven. LFM3-Audio-2B is een 2B-checkpoint dat je kunt downloaden en op een laptop kunt draaien. Zet ze in dezelfde zin en er gebeurt iets nuttigs: de vergelijking gaat niet meer over welke beter klinkt, maar wordt twee afzonderlijke vragen — kun je het uitbrengen, en kun je het meten? Sesame Preview zakt voor de eerste. LFM3-Audio-2B, dat Liquid AI op 27 oktober 2026 uitbracht binnen de LFM3-familie van zes modellen, zakt voor de tweede. Geen van beide tekortkomingen is een schandaal. Het zijn verschillende soorten producten, en de meeste teams ontdekken pas welke ze nodig hebben nadat ze al zijn begonnen met bouwen.

De asymmetrie is het waard om vóór de details ronduit te benoemen. Sesame's productiestem heeft geen API, geen model-ID en geen enterprise-tier; hij leeft in een iOS- en Android-app met vier benoemde agents, geheugen, connectors en, sinds oktober, de mogelijkheid om andere agents te orkestreren. LFM3-Audio-2B heeft helemaal geen app. Het heeft gewichten, een modelkaart, een samengevoegde llama.cpp pull request en een Ollama-build van 2,1 GB. De een is een plek om een middag door te brengen. De ander is een bestand dat je in een product kunt stoppen.

Vraag één: kun je het verzenden?

Voor LFM3-Audio-2B is het antwoord ja, met kanttekeningen. De LFM Open License v1.0 staat commercieel gebruik toe onder $10 mln jaaromzet en vereist daarboven een betaalde licentie. De gewichten staan op Hugging Face; Transformers 5.20.2 of nieuwer met trust_remote_code is de Python-route; llama.cpp heeft ondersteuning samengevoegd in PR #31257; MLX 4-bit dekt Apple silicon; ONNX Runtime dekt portabiliteit. Invoer is tekst of audio van 16 kHz, uitvoer is tekst, spraak van 24 kHz of afwisselende tekst en spraak. De context is 32K tokens voor beide richtingen — niet de 256K die bij het tekstmodel hoort — en het model vermeldt 18 talen over 19 locales, waarbij live-ASR alleen Engels is.

Voor Sesame Preview is het antwoord nee, en de reden is structureel in plaats van commercieel. Er is geen endpoint voor de productiestem. Er is geen prijs, omdat er niets te kopen valt. De app is gratis, gesprekken lopen tot een limiet van 30 minuten die terugvalt naar vijf minuten wanneer je uitgelogd bent, en de vier agents zijn het product. Als je Sesame-vormig gedrag in je eigen applicatie wilt, kun je dat niet krijgen.

Wat Sesame heeft uitgebracht, is CSM-1B, een Apache-2.0-onderzoekscheckpoint. Het is een syntheseblok, geen assistent: een Llama-backbone voorspelt het eerste Mimi-codeboek en een kleinere decoder voorspelt de rest, weergegeven via de Mimi-codec op 24 kHz. Het is alleen Engels, kloont een stem uit een referentieclip van 10 tot 15 seconden en kan geen tekst genereren — je koppelt het aan een taalmodel. Op de Hugging Face-kaart staat het ongemakkelijke deel ronduit: een fijn afgestemde variant van CSM drijft de interactieve demo aan, en die variant is niet het checkpoint dat je kunt downloaden. De kaart heeft ongeveer 130.000 downloads in de afgelopen maand en zo'n 2.500 likes, wat je vertelt dat mensen ermee experimenteren. Het vertelt je niet dat ze de stem via de app krijgen.

Vraag twee: kun je het meten?

LFM3-Audio-2B publiceert een leverancierstabel met zes rijen, allemaal tegenover LFM2.5-Audio-1.5B, zonder genoemde testset of harness. De rijen die hier van belang zijn, zijn Engelse TTS UTMOSv2 op 3,83 tegenover 3,22, VoiceBench op 73,13 tegenover 55,17, audioverstaan MMAR op 50,60 tegenover 25,85, Engelse ASR WER op 6,23 tegenover 6,13, meertalige WER/CER op 6,03, en een interne tool-calling-eval op 58,50. De UTMOS-verschuiving is groot — 0,6 punt op een schaal waarop 4,0 gewoonlijk als bijna-menselijk wordt beschouwd — en de ASR-rij is vlak, wat het meest geloofwaardige in de tabel is: een leverancier die op één as geen verbetering meldt, optimaliseert de tabel tenminste niet voor een verhaal.

Niets ervan heeft een onafhankelijke getuige. We konden geen reproductie door derden van welke rij dan ook vinden, en de cijfers vergelijken een model met zijn eigen voorganger, niet met het veld. Vergeleken met de andere vermeldingen in Liquid's eigen tabel is LFM3-Audio-2B een goed klein model in plaats van een koploper: Voxtral Mini 3B scoort 5,51 WER en NVIDIA Audex 2B scoort 5,99, Qwen2.5-Omni 3B haalt 54,41 op audiobegrip, en Gemma 4 E4B haalt 72,40 op tool calling.

Voor Sesame Preview bestaat er helemaal geen vergelijkbaar cijfer. De kwaliteitsclaim is een luisterindruk — een die zo sterk was dat hij het referentiepunt werd voor conversationele spraak in 2026, en een die een derde partij nooit heeft beoordeeld voor het productiemodel. Dat is geen bewijs dat de stem slecht is. Het is bewijs dat hetgeen iedereen prijst, in deze vergelijking het enige is dat niemand kan meten.

Deze omkering is het zeldzame deel. Normaal gesproken is het gesloten product degene met een bewezen staat van dienst en is het open checkpoint degene die niemand heeft geëvalueerd. Hier is het open model het enige dat je kunt evalueren, en het gesloten product het enige met een echte gebruikersbasis. Beide uitspraken zijn tegelijkertijd waar, en geen van beide beslist of de stem goed is.

Twee codecs, twee ontwerpweddenschappen

Het meest technische verschil tussen deze systemen is ook het meest interessante, omdat beide bedrijven op een codec inzetten en die inzetten in tegengestelde richtingen wijzen.

LiquidCodec verpakt 80 ms spraak in 12 discrete tokens en decodeert terug naar 24 kHz met streamingondersteuning. Liquid meet het op ongeveer 87× realtime op één CPU-thread van een M4 Max, en de causale audio-encoder is wat prefill mogelijk maakt terwijl iemand nog aan het spreken is — de bron van de claim "slechts 50 ms" time-to-first-token. Die twee cijfers zijn leveranciersmetingen op genoemde Apple-hardware zonder harness en zonder percentiel. Ze beschrijven een best case. Een telefoon, een Raspberry Pi of een gedeelde x86-VM zal ze niet halen, en niets in de release zegt wat die in plaats daarvan wel zal halen.

De CSM van Sesame gebruikt de Mimi-codec van Kyutai op 24 kHz, met een Llama-backbone die het eerste codebook voorspelt en een kleinere depth-decoder die de rest voorspelt. Het ontwerpdoel is expressieve synthese op basis van een korte referentieclip, en de reputatie van de app suggereert dat het werkt. Het gat tussen CSM-1B en de productiestem is het hele argument: de architectuur is openbaar, de fine-tune waardoor het als Sesame klinkt niet.

Wat dat voor een bouwer betekent, is eenvoudig. Liquid geeft je de volledige pipeline en een licentie; jij levert de evaluatie. Sesame geeft je een onderzoeksartefact en een demo; jij levert het product, en je kunt de demo er niet in onderbrengen.

Waar de twee elkaar daadwerkelijk overlappen

Er is precies één overlap, en dat is spraakuitvoer. Beide kunnen spreken. De verschillen binnen die overlap zijn praktisch:

• Talen — LFM3-Audio-2B claimt 18 talen verspreid over 19 locales, waarbij de vertaling het sterkst is van en naar het Engels. Sesame Preview is officieel alleen in het Engels; de eigen richtlijnen van de app noemen Frans, Italiaans, Duits, Spaans, Chinees, Japans en Koreaans als "vroeg". CSM-1B is alleen in het Engels.

• Spraakbesturing — LFM3-Audio-2B: via een prompt geselecteerde stem, geen gepubliceerde kloonworkflow in de kaart. CSM-1B: klonen op basis van een referentieclip van 10 tot 15 seconden, wat de belangrijkste functie is.

• Gesprek — LFM3-Audio-2B: verzoek-en-antwoord met streaming; geen claim over barge-in. Sesame Preview: opgebouwd rond aarzeling, onderbreking en beurtwisseling, de kwaliteit die zijn reputatie heeft gevestigd.

• Wat je kunt draaien — LFM3-Audio-2B: 2,1 GB, werkt op CPU, offline. Sesame: een app, online, met een gesprekslimiet.

Als je product een stem nodig heeft die onderbroken kan worden, is dit geen nek-aan-nekvergelijking: Sesame heeft dat gedrag en Liquid claimt dat niet. Als je product een stem in het Zweeds of Nederlands nodig heeft, of zonder netwerk moet kunnen werken, kan Sesame niet helpen en LFM3-Audio-2B wel.

Wat een router hier wel en niet kan doen

Geen van beide modellen staat op OrcaRouter, en het is de moeite waard om precies te zijn over waarom de gebruikelijke routingpropositie de spraaklaag niet bereikt. LFM3-Audio-2B is een checkpoint dat je zelf draait; Sesame Preview is een app. Er is geen gehost audio-endpoint van een van beide om tussen te failoveren.

De laag daarboven is waar routing zijn waarde bewijst. Een spraakproduct dat op een van beide modellen is gebouwd, besteedt nog steeds werk uit aan tekstmodellen — een gesprek samenvatten, een boeking extraheren, de volgende vraag bepalen — en juist in die delegatie schuilen kostenverschillen en storingen bij aanbieders. OrcaRouter serveert meer dan 200 tekst- en multimodale modellen achter één sleutel tegen de lijstprijs van de aanbieder, zonder toeslag, met automatische failover en een routing-DSL waarmee je meerdere modellen in één aanroep kunt samenstellen. Je kunt er ook modelfusie mee draaien wanneer het oordeel van één model niet volstaat. Voor een team dat een spraaklus prototypet, betekent dat dat de teksthelft kan worden vervangen en vergeleken zonder de audio-integratie aan te raken.

De beslissing

Als je je smaak aan het kalibreren bent — beslissen hoeveel warmte je product moet hebben, hoe lang een pauze comfortabel is, hoe snel een agent het woord moet overdragen — dan is Sesame Preview gratis, echt uitstekend en de juiste plek om een middag door te brengen. Gebruik het als referentie. Ga geen integratie rondom Sesame Preview plannen, want er is niets om mee te integreren.

Als je iets uitbrengt, is LFM3-Audio-2B een echte kandidaat met echte kanttekeningen: cijfers alleen van de leverancier, live ASR alleen in het Engels, een context van 32K en een licentiedrempel om in de gaten te houden. Test het op je eigen opnames voordat je de UTMOS-winst gelooft, en test spraakuitvoer in de talen die je echt nodig hebt in plaats van op het aantal locales te vertrouwen.

Wat dit beeld zou veranderen, is iets concreets. Een Sesame API voor de productiestem zou het van de ene op de andere dag de sterkste kandidaat in de categorie maken. Een onafhankelijke UTMOS- of preferentietest voor LFM3-Audio-2B zou je vertellen of 3,83 een echte stap richting natuurlijke spraak is of een getal dat is gemeten ten opzichte van een zwakke voorganger. Totdat een van beide er is, is de juiste samenvatting dat het ene een product is dat je kunt bewonderen en het andere een model dat je kunt bezitten — en dat slechts één daarvan een beslissing is waarop je deze week kunt handelen.