语音大模型竞争正发生转变阶跃星辰今日推出 StepAudio 3 系列包含五个模型。其中 StepAudio 3 Realtime 等表现出色各有优势且均已上线开放平台。竞争方向转变语音大模型竞争已从单纯的“把文字念出来”转变为“真正理解声音、组织声音”。阶跃星辰的 StepAudio 3 系列正是顺应此方向推出一次发布五个模型。Realtime 表现卓越StepAudio 3 Realtime 在相关榜单上成绩亮眼以 98.9% 的综合得分在 Conversational Dynamics 榜单排全球第一语音推理准确率 99.7% 在 Speech Reasoning 榜单登顶。它更强调在对话中判断节奏。ASR 实现“听懂”ASR 从“听清”迈向“听懂”在高精度识别基础上接入 LLM 上下文理解能处理多种语言情况在非流式准确性榜单上 WER 为 1.7%并列全球第一。TTS 追求“真人表达”TTS 致力于“像真人表达”除生成语音外还能还原副语言表现如示例中“要不要换工作”的独白纠结情绪尽显。Gen 和 Music 各有特色Gen 整合声音链路靠自然语言描述和参考音频一次生成多种声音元素。Music 支持多轮交互创作能基于用户素材完成编曲等工作。目前五款模型均已上线开放平台。编辑观点阶跃星辰此次发布的 StepAudio 3 系列展现了强大实力有望在语音大模型竞争中占据优势推动行业向更智能、更真实的方向发展。
