企业官网建设流程全解析

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。