阶跃星辰发布 StepAudio 3 系列语音大模型，多款在 Artificial Analysis 榜单全球第一

阶跃星辰发布 StepAudio 3 系列语音模型，共 5 款：StepAudio3Realtime、StepAudio3ASR、StepAudio3TTS、StepAudio3Gen 和 StepAudio3Music，覆盖实时交互、语音识别、文本转语音、音频生成和音乐创作。据 IT之家 9 月 15 日报道，五款模型均已上线阶跃星辰开放平台。阶跃星辰官方账号称该系列为面向实时语音、语音识别、语音生成、音频生成和音乐的新音频模型家族，并称现已可用。

据 IT之家报道，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 Artificial Analysis 非流式语音识别准确性榜单中 WER 为 1.7%，并列全球第一；报道称其支持中文、英文、方言、中英混说、长音频及医疗、法律、金融、汽车、编程等专业领域识别。StepAudio 3 TTS 被描述为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。StepAudio 3 Music 支持从零生成及基于 ABC 记谱法控制的多轮交互创作，支持歌曲创作、清唱配乐、歌曲翻唱等。

第三方账号洪明在 X 上转述称，阶跃星辰发布 StepAudio 3 系列，多款模型在 Artificial Analysis 榜单中位列全球第一；其另一条内容明确标注相关排名来自厂商引用的第三方榜单，仍应结合具体语言、噪声和任务场景测试。

后续，阶跃星辰与 ACE Studio 联合发布 StepAudio 3 Music，称其为 StepFun 首个音乐生成基础模型，可将提示词和歌词转为完整歌曲，并称其由 ABC-COT 驱动，在合成前规划音乐结构与编曲，支持生成版本、改写提示词、编辑 ABC 记谱法并迭代。