9月15日消息，阶跃星辰今日发布新一代语音大模型StepAudio 3系列，一次推出StepAudio 3 Realtime、StepAudio 3 ASR、StepAudio 3 TTS、StepAudio 3 Gen和StepAudio 3 Music五款模型，覆盖实时语音交互、语音识别、语音生成、音频生成及音乐创作等场景。目前，五款模型均已上线阶跃星辰开放平台。
其中，StepAudio 3 Realtime主要面向实时语音交互，支持原生全双工对话，可在持续交流中判断回应和等待时机，并处理临时打断及连续反馈。在第三方AI模型评测机构Artificial Analysis的Conversational Dynamics榜单中，该模型综合得分为98.9%。
除实时对话外，StepAudio 3 Realtime还加入语音推理和任务执行能力，可同时理解语义、语气、情绪及环境声音，并支持推理与语音生成并行。Tool Call和长任务可以异步执行，在任务运行期间继续进行当前对话。据阶跃星辰披露，该模型在Artificial Analysis Speech Reasoning榜单中位列全球第一。
语音识别方面，StepAudio 3 ASR支持中文、英文、方言、中英混说、长音频和专业领域等场景，并针对低声、快速语音、含糊连读及背景音乐等复杂输入进行优化。在Artificial Analysis非流式语音识别准确性榜单中，其WER（词错误率）为1.7%，并列全球第一。
生成能力方面，StepAudio 3 TTS支持音色、语调、节奏、停顿和情绪控制，同时可以生成笑声、迟疑、重复、改口等副语言表现，并采用流式生成架构。StepAudio 3 Gen则将人声、音效、环境声和背景音乐等生成能力整合，用户可通过自然语言描述角色、场景和剧情，生成包含多种声音元素的完整音频。
此外，StepAudio 3 Music面向音乐创作，支持歌曲创作、清唱配乐、歌曲翻唱以及基于ABC记谱法的多轮交互创作，用户可以通过歌词、清唱、参考歌曲等形式进行编曲和作品迭代。（定西）
热门跟贴