階躍星辰發布 StepAudio 3 語音大模型系列：涵蓋即時互動、ASR、TTS 與音樂生成

據報導，階躍星辰於 9 月 15 日發布新一代語音大模型 StepAudio 3 系列，推出 Realtime、ASR、TTS、Gen 與 Music 五款模型，目前均已上線其開放平台。 StepAudio 3 Realtime 專注於即時語音互動，支援原生全雙工對話與臨時打斷。該模型結合語音推理與任務執行能力，支援非同步執行 Tool Call 與長任務而不打斷當前對話。在 Artificial Analysis 的 Conversational Dynamics（綜合得分 98.9%）與 Speech Reasoning 榜單中均排名全球第一。 StepAudio 3 ASR 結合大語言模型上下文理解，支援中英混說與方言，在 Artificial Analysis 非串流語音辨識榜單中以 1.7% 的詞錯誤率（WER）並列第一。StepAudio 3 TTS 採用串流生成架構，除音色與語調外，還能生成笑聲、遲疑、改口等真實交流的副語言表現。 StepAudio 3 Gen 可透過自然語言描述，一次生成包含人聲、音效與背景音樂的完整音訊，並控制聲音出現的時間與順序。StepAudio 3 Music 則支援清唱配樂、翻唱以及基於 ABC 記譜法的多輪互動編曲創作。