AI消息速览

阶跃发布 StepAudio 3,多项语音榜单位列第一

事件日期 2026-09-16 · 产业观察 · 已接受

事件日期2026-09-16
信息日期2026-09-16
入库日期2026-09-16
通道产业观察
状态已接受
来源腾讯研究院(搜狐同步)

知识卡片:阶跃发布 StepAudio 3,多项语音榜单位列第一

一句话结论

阶跃星辰发布 StepAudio 3 系列,包含 Realtime、ASR、TTS、Gen、Music 五款模型;材料称其在 Artificial Analysis 等语音相关榜单中多项位列第一或并列第一。

事件概述或研究问题

腾讯研究院 AI 速递材料显示,阶跃星辰发布 StepAudio 3 系列,五款模型均已上线开放平台。该条目聚焦语音/音频模型的能力矩阵与榜单表现,尤其是 Realtime、ASR、Gen、Music 等方向。具体发布时间、榜单快照日期与评测细节待核实。

方法/产品要点

  • 模型系列:StepAudio 3 包含 Realtime、ASR、TTS、Gen、Music 五款模型。
  • 上线状态:材料称五款模型均已上线开放平台;具体平台名称、区域、定价与 API 可用性待核实。
  • Realtime:材料称其支持原生全双工与异步工具调用。
  • Gen:材料称可一次生成人声、音效、环境音与配乐。
  • Music:材料称支持 ABC 记谱法多轮交互创作。
  • TTS:材料仅列出该模型,未给出具体能力、榜单或评测结果,待核实。
  • 模型架构、训练方法、参数规模、推理成本、训练数据等未在材料中披露,待核实。

主要结果或产业意义

  • Realtime 在 Artificial Analysis 对话动态榜以 98.9% 居首。
  • Realtime 的语音推理准确率被材料称为 99.7%,全球第一;具体评测集与口径待核实。
  • ASR 非流式词错误率为 1.7%,并列第一;评测条件与语言范围待核实。
  • Gen 被描述为可一次生成人声、音效、环境音与配乐,指向一体化音频内容生成。
  • Music 支持 ABC 记谱法多轮交互创作,指向更结构化的音乐生成与交互方式。
  • 产业意义:材料呈现了语音模型从单点 ASR/TTS 向 Realtime、生成、音乐等全栈能力扩展的竞争态势。上述榜单结果来自材料摘要,非原始榜单页面,实际可比性与落地效果待核实。

为什么重要

本条可作为 benchmark-evaluation 主题下的新案例:语音/音频模型开始以多榜单、多指标方式呈现能力竞争。与已有 AA-Briefcase 卡片同属 Artificial Analysis 评估脉络,但关注对象不同:AA-Briefcase 聚焦前沿知识工作代理基准,本条关注语音/音频模型矩阵与语音相关榜单结果。增量信息是 StepAudio 3 的五模型产品布局及 Realtime、ASR 等指标表现。

局限与不确定性

  • 材料来源为腾讯研究院 AI 速递摘要,不是阶跃星辰官方技术报告或完整榜单页面。
  • Artificial Analysis 对话动态榜、语音推理准确率、ASR 词错误率等指标的评测集、版本、日期、样本、语言、模型配置与是否零样本/微调,均待核实。
  • “全球第一”“并列第一”可能对应特定榜单或特定时间快照,材料未给出来源链接。
  • 开放平台具体名称、覆盖地区、商用限制、延迟/吞吐、上下文长度、许可证与价格待核实。
  • TTS 的具体能力与成绩未在材料中说明,待核实。
  • Music 的 ABC 记谱法交互细节、输出质量、版权与训练数据合规性待核实。
  • 五款模型是否同日发布、是否同源、参数规模与推理成本待核实。

可用于图书/PPT/简报的角度

  • 语音模型竞争从单一能力走向 Realtime + ASR + TTS + Gen + Music 的多模型矩阵。
  • 用图表对比语音榜单指标时,需先核实原始榜单口径,避免直接使用“榜单第一”作为绝对结论。
  • 实时全双工与异步工具调用为何可能成为语音交互产品的关键能力。
  • 人声、音效、环境音、配乐一体化生成对内容创作工作流的影响。
  • ABC 记谱法多轮交互创作作为“结构化音乐生成”案例。
  • 中国厂商在语音全栈模型与开放平台策略上的产品化路径。

原始材料

  • 原始标题:腾讯研究院AI速递 20260916
  • 相关段落:三、阶跃发布StepAudio 3,多项语音榜单位列第一
  • 英文关键词:StepAudio 3, Realtime, ASR, TTS, Gen, Music, Artificial Analysis
  • 中文关键词:阶跃星辰、语音模型、全双工、异步工具调用、ABC记谱法、词错误率、语音推理准确率
  • URL:https://m.sohu.com/a/1076523476_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=3
  • Parent digest:腾讯研究院AI速递 20260916
  • Parent URL:https://m.sohu.com/a/1076523476_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

发现内容有误?

免登录提交,管理员审核并完成修正后才会公开修订说明。

值得关注

本条可作为 benchmark-evaluation 主题下的新案例:语音/音频模型开始以多榜单、多指标方式呈现能力竞争。与已有 AA-Briefcase 卡片同属 Artificial Analysis 评估脉络,但关注对象不同:AA-Briefcase 聚焦前沿知识工作代理基准,本条关注语音/音频模型矩阵与语音相关榜单结果。增量信息是 StepAudi…

相关主题

对应的教材知识点

教材知识点匹配尚未完成。