能听懂人类“弦外之音”，阶跃星辰再开源端到端语音大模型
创始人
2025-09-02 09:20:48
0次

来源：市场资讯

（来源：澎湃新闻）

9月 1 日，“多模态卷王”阶跃星辰正式发布开源端到端语音大模型Step-Audio 2 mini，在多个国际基准测试集上取得SOTA（State-of-The-Art，当前最佳水平）成绩，在大部分任务上超越GPT-4o-audio。

技术层面，Step-Audio 2 mini采用了端到端多模态架构，将语音理解、音频推理与生成统一建模，时延更低、输出更快，还能更加精准地理解副语言信息、非人声信号等语音要素。Step-Audio 2 mini首创的音频推理能力，能对情绪、语调、音乐等副语言和非语音信号进行精细理解、推理并自然回应。

同时，该模型支持语音原生的Tool Calling能力可实现联网搜索等操作，有效解决幻觉问题，并让语音模型具有知识储备和推理能力。

目前，Step-Audio 2 mini已在GitHub、Hugging Face等平台发布。（澎湃新闻记者 秦盛）

上一篇：AI生成内容开始强制打上“电子水印”，虚假信息能有效杜绝吗

下一篇：以互联网为师，线下业态为何热衷搞“擦边”经济？

相关内容

热门资讯

原创 苹... 有不少朋友疑惑苹果iPhone 16 Pro和16 Pro Max有什么区别？该选择哪一款更好？各自...
2024年OPPO手机全攻略：... 手机已不仅仅是通讯工具，它更是我们记录生活、享受娱乐、提升工作效率的重要伙伴。随着科技的飞速发展，O...
2025年值得入手的2款智能手... 在科技飞速发展的今天，智能手表已成为我们生活中不可或缺的伙伴。无论是健康监测、信息提醒，还是时尚搭配...
原创 2... 从去年华为用上了麒麟芯片开始，华为的市场份额就蹭蹭的往上涨，当时抢购的人特别多，一时间还买不到现货，...
第五轮学科评估对比：西安交大突... 在之前的文章中，我们已经提及西安交通大学第五轮学科评估的表现可圈可点，新晋的3个A+学科：机械工程、...
vivo手机5g开关在哪里打开 vivo手机5G开关的打开方式可能因手机型号、系统版本及运营商网络支持情况的不同而有所差异。但总体来...
解决FaceTime无法使用的... FaceTime是苹果公司推出的一款视频通话应用，广泛应用于iPhone、iPad和Mac等设备上。...
steam官网无法访问？这个办... 对于广大游戏爱好者而言，Steam平台无疑是获取最新游戏资讯、购买游戏、与全球玩家互动的重要阵地。然...
原创 直... #热点周际赛# 随着科技的进步，儿童智能穿戴设备逐渐成为了家庭中的新宠。华为作为智能穿戴领域的领军者...
原创 麒... 为了普及原生鸿蒙（鸿蒙5.0），抢占更多的中端手机市场份额，华为nova系列今年开始计划一年两更，n...