阶跃发布语音大模型StepAudio 3，宣称拿下多个全球第一

阶跃星辰发布语音大模型 StepAudio 3，其官方公众号称该模型「拿下多个全球第一」。

据 IT之家报道，阶跃于 9 月 15 日正式发布 StepAudio3 系列模型，包括 StepAudio3Realtime、StepAudio3ASR、StepAudio3TTS、StepAudio3Gen 和 StepAudio3Music，五款模型均已上线阶跃星辰开放平台。其中 StepAudio 3 Realtime 支持原生全双工实时对话，在 Artificial Analysis Conversational Dynamics 榜单以 98.9% 综合得分排名全球第一，在 Speech Reasoning 榜单以 99.7% 语音推理准确率位列全球第一；StepAudio 3 ASR 在非流式语音识别准确性榜单中 WER 为 1.7%，并列全球第一。

该系列其余模型的功能定位为：StepAudio 3 TTS 是面向实时交互场景的真人级语音生成模型，基于流式生成架构实现生成与播放同步；StepAudio 3 Gen 可基于自然语言描述和参考音频统一生成人声、音效、环境音和背景音乐，并支持对多角色音色、语气、方言口音及笑声、喘息、停顿等副语言特征的精细控制；StepAudio 3 Music 支持从零生成及基于 ABC 记谱法的多轮交互创作，支持歌曲创作、清唱配乐、歌曲翻唱等功能。