阶跃发布全新语音大模型 StepAudio 3系列：覆盖语音识别、生成、实时交互与音乐创作

摘要

阶跃 9 月 15 日发布 StepAudio 3 系列，一次推出 Realtime、ASR、TTS、Gen、Music 五款模型，覆盖实时语音交互、语音识别、真人级语音生成与音乐创作。Realtime 支持原生全双工对话，在 Artificial Analysis 的 Conversational Dynamics 和 Speech Reasoning 榜单均列全球第一，ASR 词错误率为 1.7%、并列第一。关注语音全栈能力的团队可以看看。