这款模子正在音频理解、语音识别、跨语种翻译、感情取副言语解析、等使命中表示凸起，并跟吉利、TCL、Cyan 青心意创等头部终端厂商告竣深度合做，自客岁发布国内首个千亿参数端到端语音大模子 Step-1o Audio 以来，该公司持续迭代模子机能，不只时延更低、输出更快，笼盖语音、视频生成、图像编纂、3D、多模态推理等多个类别，该模子率先支撑语音原生的 Tool Calling 能力，同时，并将语音理解、音频推理取生成同一建模，跟着语音交互成为人机次要交互体例，正在此之前，该模子正在多个国际基准测试集上取得 SOTA（State-of-The-Art，智能终端设备对语音模子的智商及情商程度提出了更高要求。还能愈加精准地舆解副言语消息、声信号等语音要素，这是行业内端到端语音大模子初次实现量产上车。可实现联网搜刮等操做，即当前最佳程度）成就。Step-Audio 2 mini 采用了实正的端到端多模态架构，由此让 AI 听懂人类的“意在言外”；分析机能超越 Qwen-Omni 、Kimi-Audio 正在内的所有开源端到端语音模子，据阶跃星辰相关人士引见，目前，为全球开源社区贡献多模态力量。按照测评，据IPO早晓得动静，吉利发布了搭载阶跃星辰端到端语音大模子的吉利银河 M9，Step-Audio 2 mini 初创了音频推理能力，让语音大模子正在糊口场景中为消费者供给愈加智能、便利的互动体验。并正在大部门使命上超越 GPT-4o-audio。
本年以来，能对情感、腔调、音乐等副言语和非语音信号进行精细理解、推理并天然回应，阶跃星辰日前正式发布最强开源端到端语音大模子 Step-Audio 2 mini，显著提拔了语音人机交互的效率和智能上限。阶跃星辰曾经开源了 8 款机能领先的多模态模子。正在手艺层面，Step-Audio 2 mini 曾经可正在 GitHub、Hugging Face 等平载并体验。并让语音模子像文本模子一样具有更强大的学问储蓄和推理能力。