阶跃发布 StepAudio 3 系列语音大模型，拿下多个全球第一

今日阶跃正式发布 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。以上五款模型，目前均已上线阶跃星辰开放平台。

官方称，StepAudio 3 系列分别面向几类核心场景：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。

模型官方详细介绍如下：

StepAudio 3 Realtime：不仅“能打断”，更能理解、思考和行动

今天，越来越多 Realtime 语音产品已经支持全双工、打断和低延迟交互。真正拉开体验差距的，不只是“能不能同时听和说”，而是模型能否在一场持续发生的对话中，边听边理解、判断何时接话，同时完成推理和任务执行。

StepAudio 3 Realtime 围绕这一目标进一步提升实时交互能力，支持原生全双工实时对话。

在 Artificial Analysis Conversational Dynamics 榜单中，StepAudio 3 Realtime 以 98.9% 的综合得分排名全球第一，展现出领先的实时语音交互能力。这意味着模型不仅能够“听懂”和“回答”，更能够像真实交流中的人一样判断对话节奏 —— 知道什么时候该回应、什么时候该等待，以及如何处理用户的临时打断和连续反馈。

阶跃发布 StepAudio 3 系列语音大模型，拿下多个全球第一