階躍星辰開源語音推理模型Step-Audio-R1.1在權威評測中奪冠，以96.4%準確率超越多個主流閉源模型，刷新歷史紀錄。
StepFun AI團隊推出音頻大模型Step-Audio-R1，通過優化計算資源利用，解決了音頻AI模型在長推理鏈中準確性下降的問題。研究團隊指出，問題源於訓練時過度依賴文本數據，導致模型推理類似閱讀文字而非實際聆聽聲音。
國內AI公司階躍星辰發佈Step-Audio-EditX模型，實現用自然語言指令編輯語音。用戶只需輸入文字要求，即可精準調整音色、情緒、節奏等，讓語音編輯如修改文檔般直觀高效。30億參數確保性能強大。
StepFun AI發佈開源項目Step-Audio-EditX，基於30億參數音頻語言模型，將語音編輯轉化爲類似文本標記的可控操作，突破傳統波形處理模式。該技術有望實現"像編輯文本一樣編輯語音"的直觀交互，相關論文已發佈於arXiv平臺（編號2511.03601）。
Step-Audio是一個開源智能語音交互框架，支持多語言對話、情感語調和語音克隆等功能。
stepfun-ai
Step-Audio 2 是一款端到端的多模態大語言模型，專為滿足行業級音頻理解和語音對話需求而設計。具備先進的語音和音頻理解能力、智能語音對話功能、工具調用和多模態檢索增強生成能力，在多個音頻理解和對話基準測試中取得了領先的性能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
