阶跃星辰发布 StepAudio 3 语音大模型矩阵，一次推出五款模型

发生了什么

9月15日，国内大模型公司阶跃星辰发布 StepAudio 3 系列语音大模型，一口气推出五款，覆盖"听、说、唱、做音效"全链路：

• Realtime：实时全双工语音对话，能一边听一边回、中途打断也不乱；
• ASR：语音识别转文字；
• TTS：真人级语音合成；
• Gen：音效生成（人声、环境音、配乐一把抓）；
• Music：支持 ABC 记谱法多轮交互创作音乐。

据官方披露，Realtime 在 Artificial Analysis 的对话动态榜综合得分 98.9% 居全球第一，语音推理准确率 99.7%；ASR 非流式词错误率仅 1.7%。五款模型均已上线阶跃开放平台。

对我有什么用

过去要做一款像样的语音产品，得分别接识别、合成、对话好几个模型，还得自己拼"打断""音色"等细节。StepAudio 3 把这一整套打包成一套统一语音底座，而且实时对话榜单位列第一，意味着中小团队不用从头造轮子，也能做出响应自然、能打断、会创作的语音应用。

我可以怎么做

• 想做语音助手 / 智能客服 / 有声内容的个人或小团队：可以直接调阶跃开放平台的 Realtime 和 TTS，做会聊天的播客、会配音的短视频、会接单的语音机器人。
• 做音乐 / 短视频配乐：用 Music 模型按记谱法多轮改稿，或用 Gen 生成环境音和人声，降低素材成本。
• 普通用户暂时用不到原模型，但搭载它的 App（语音陪伴、配音工具等）会更快更好用。

温馨提醒

• 模型已上线开放平台，具体调用价格、免费额度以阶跃官方为准；商用注意并发和合规。
• 语音合成涉及声音权与肖像权，用真人音色或模仿他人说话前确认授权，避免侵权。