阶跃星辰发布StepAudio3系列模型，多款登顶Artificial Analysis全球第一
9月15日，阶跃正式发布StepAudio3系列模型，包括StepAudio3Realtime、StepAudio3ASR、StepAudio3TTS、StepAudio3Gen和StepAudio3Music，其中多款模型在Artificial Analysis榜单中位列全球第一。目前五款模型均已上线阶跃星辰开放平台。
官方称，StepAudio 3系列分别面向真人级语音生成、完整音频内容生成、实时语音交互、复杂场景语音理解和音乐创作等核心场景。
StepAudio 3 Realtime：支持原生全双工实时对话，在Artificial Analysis Conversational Dynamics榜单中以98.9%的综合得分排名全球第一，并在Speech Reasoning榜单中以99.7%的语音推理准确率位列全球第一。模型可同时理解语义、语气、情绪、副语言和环境声音，支持推理与语音生成并行，Tool Call和长任务可异步执行而不阻塞当前语音会话。
StepAudio 3 ASR：将高精度语音识别与大语言模型的上下文理解、知识和推理能力结合，支持中文、英文、方言、中英混说、长音频及专业领域识别，也能处理低声、快语速、含糊连读、歌声和背景音乐等复杂输入。在Artificial Analysis非流式语音识别准确性榜单中，WER仅为1.7%，并列全球第一。
StepAudio 3 TTS：面向实时交互场景的真人级语音生成模型，在音色基底、语调层次、节奏律动和气口停顿等方面贴合人类自然口语模式，能还原笑声、迟疑、结巴、重复、改口等副语言表现，基于流式生成架构实现生成与播放同步。
StepAudio 3 Gen：统一生成人声、音效、环境音和背景音乐，支持对多个角色的音色、说话方式、语气、情绪、方言口音及副语言特征进行精细控制，并可指定对白、音效、环境声和背景音乐的出现时间与顺序，适用于影视、动画、游戏、广播剧、有声书和短视频创作。
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、歌曲翻唱等功能，用户可通过自然语言控制曲风、人声、旋律、节奏、乐器、情绪、段落和制作质感，并对主歌、副歌、桥段、间奏等歌曲结构及跨段落旋律发展进行建模。
