阶跃发布StepAudio3系列模型:五款模型同步上线开放平台

9月15日，阶跃星辰正式发布新一代语音大模型StepAudio 3系列，一次性推出五款细分模型，覆盖实时语音交互、语音识别、真人级语音生成、音频内容生成及音乐创作五大核心场景。目前，五款模型均已上线阶跃星辰开放平台，开发者可直接调用相关API接口。这是阶跃星辰继此前推出Step-Audio 2 mini、StepAudio 2.5系列语音产品后，在语音大模型领域的又一次重磅迭代。过去一年，阶跃星辰开放平台API调用量增长近20倍，活跃用户数量增长5倍，生态基础已具备规模化落地的条件。

阶跃星辰9月15日推出五款StepAudio 3系列语音大模型

本次发布的五款模型分别瞄准不同应用场景：其中实时交互、语音识别、语音生成类模型面向通用交互需求，音频内容生成、音乐创作类模型则面向专业内容生产场景，形成了从基础交互到内容生产的完整语音大模型矩阵，也标志着阶跃星辰正式补齐了AI技术栈中语音板块的最后一块拼图。

StepAudio 3系列多款核心模型性能登顶全球榜单

五款模型均具备行业领先的性能指标，多款在权威评测中位列全球第一：

• StepAudio 3 Realtime：原生全双工实时对话模型，可同时理解语义、语气、情绪及环境音，在Artificial Analysis榜单中综合得分98.9%，位列全球第一；
• StepAudio 3 ASR：融合大模型上下文理解的语音识别模型，支持方言、中英混说及医疗、法律等专业场景，词错率（WER）低至1.7%，并列全球第一；
• StepAudio 3 TTS：真人级语音生成模型，强化副语言表现，支持流式生成，可还原笑声、迟疑、停顿、结巴等真实交流中的非语言细节，生成与播放同步进行，完美适配实时语音应用需求；
• StepAudio 3 Gen：全链路音频内容生成模型，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，支持对多角色音色、情绪、方言口音及副语言特征进行精细控制，还可编排不同声音元素的出现时序，将传统多环节的音频制作流程压缩到一次生成中；
• StepAudio 3 Music：专业音乐创作模型，支持歌曲创作、清唱配乐、歌曲翻唱等多种功能，基于ABC记谱法可实现多轮交互创作，用户可提供歌词、清唱、参考曲目等输入，让模型围绕已有创作片段完成编曲、改编等全流程制作。

全栈语音能力补全阶跃星辰AI技术闭环

此前阶跃星辰已完成基础大模型、端侧模型、智能体系统、终端硬件的全链路布局：2026年7月，其发布全球首个智能体原生操作系统Step AOS、个人智能体阶跃Amoo、端侧模型家族Step Edge，与千里科技合作推动AI能力落地汽车领域，与艾为电子合作推出全球首款大模型原生智能体手机STEPX Neo，已打通从模型、系统到终端的完整技术链路。StepAudio 3系列的推出，补齐了其语音交互与音频生成的核心能力，形成了文本、多模态、语音的全栈大模型体系，可进一步支撑智能体、智能汽车、AI手机等终端场景的语音需求，为全场景智能落地提供更完整的底层能力支持。

技术落地仍待场景验证与生态规则完善

尽管StepAudio 3系列多项性能指标位列全球第一，但从实验室性能到商用落地仍存在诸多挑战：全双工实时交互对网络延迟极为敏感，弱网环境下的体验稳定性仍需优化；多角色、多音效的精细控制对普通用户存在一定使用门槛；AI生成音频、音乐内容的版权归属规则尚未明确，相关合规问题仍需行业共同探索。此外，榜单性能优势也需要在客服、教育、娱乐等高频场景中完成大规模商用验证，才能真正转化为商业壁垒。随着阶跃星辰开放平台生态的持续完善，StepAudio 3系列有望在更多垂直场景中落地，进一步推动AI语音技术的普惠