阶跃星辰发布 Step-Audio 2 mini 语音模型，性能超越同类产品

IT之家 9 月 1 日消息，阶跃星辰今日正式发布了开源端到端语音大模型 Step-Audio 2 mini。这一最新模型在多个国际基准测试集上取得了 SOTA（State Of The Art）成绩，标志着语音技术领域的又一重大突破。Step-Audio 2 mini 现已上线阶跃星辰开放平台，供开发者和研究人员使用。

据官方介绍，Step-Audio 2 mini 通过统一建模实现了语音理解、音频推理与生成的整合，并率先支持语音原生的 Tool Calling 能力，这使得模型可以执行联网搜索等复杂操作。

性能卓越，超越同类模型

Step-Audio 2 mini 在多个关键基准测试中表现突出，尤其是在音频理解、语音识别、翻译和对话场景中，其综合性能超越了 Qwen-Omni、Kimi-Audio 等所有开源端到端语音模型，并在大部分任务上超越了 GPT-4o Audio。

“Step-Audio 2 mini 的发布标志着语音技术的又一次飞跃，其在多个测试中取得的 SOTA 成绩证明了其卓越的性能和广泛的应用潜力。”

解决语音模型的传统问题

长期以来，AI 语音技术常被批评为“智商、情商双低”。一方面是“没知识”，缺乏像文本大模型一样的知识储备和推理能力；另一方面是“冷冰冰”，难以理解潜台词、语气、情绪等“弦外之音”。

Step-Audio 2 mini 通过创新架构设计，有效解决了这些问题。其综合性能的提升不仅体现在技术指标上，也在实际应用中展现出更为人性化的交互体验。

技术背景与未来展望

阶跃星辰的这一发布正值全球对语音技术需求不断增长之际。随着智能设备的普及和语音交互的日益重要，语音模型的性能和应用场景成为行业关注的焦点。

业内专家指出，Step-Audio 2 mini 的推出不仅是技术上的突破，也为未来的语音交互应用奠定了基础。其在多语言支持、实时翻译和情感识别等领域的潜力将进一步推动语音技术的发展。

“未来，随着技术的不断进步，语音模型将更加智能化和人性化，为用户提供更自然的交互体验。”

目前，Step-Audio 2 mini 已在 GitHub、Hugging Face 和 ModelScope 等平台上线，开发者和研究人员可以通过这些平台获取和使用该模型。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。