阶跃发布 StepAudio 3 系列语音大模型，拿下多个全球第一

阶跃正式发布 StepAudio3 系列模型，包含 StepAudio3Realtime、StepAudio3ASR、StepAudio3TTS、StepAudio3Gen 和 StepAudio3Music 五款，多款模型在 Artificial Analysis 相关榜单位列全球第一，目前均已上线阶跃星辰开放平台。StepAudio3Realtime 支持原生全双工实时对话，能理解多维度音频信息，实现推理与语音生成并行、工具调用异步执行，在相关榜单获全球第一。StepAudio3ASR 结合高精度识别与大语言模型能力，适配多场景与复杂输入，词错误率仅 1.7%，并列全球第一。StepAudio3TTS 贴合人类口语模式，可还原副语言表现、自主调整情绪语气，支持流式生成。StepAudio3Gen 可基于描述统一生成含人声、音效等的完整音频，并能精细控制声音特征与时序。StepAudio3Music 支持从零生成及多轮交互创作，可基于多种输入完善作品，还能控制曲风等元素，建模歌曲结构。