阶跃发布 StepAudio 3 Realtime,边说边想实现实时语音推理
stepfun-ai · hf · 2026-09-16
阶跃星辰发布 StepAudio 3 Realtime 技术报告,这是一个围绕「听-说-思-动」持续循环组织的音频语言基础模型。
- Deep Perception:捕捉丰富声学线索以理解用户意图
- Seamless Duplex:建模同步音频流,自然处理停顿、附和与打断
- Think-While-Speaking:在说话的同时并行执行私有推理,化解深度思考与低延迟的矛盾
- 内置 Voice Agent,可在不打断对话的情况下异步执行工具调用
成绩方面:推理模式下在 StepAudioChat 达 73.0 macro 平均分;MMSU 基准 90.6;Artificial Analysis Full-Duplex Bench 总分 98.9;τ-Voice 任务成功率 56.0%。对话与推理表现媲美专门的推理模型,同时保持实时说话能力。
所属事件:阶跃星辰连发五款 StepAudio 3 音频模型(6 条相关)→
「模型」频道最新
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02
- 用户吐槽 OpenAI Dots 越用越臃肿,转投新工具 Muse 称体验干净透明 — Koala_Confused · 2026-11-02
- Fable 5.5 被曝一行代码一次通过生成动画，Anthropic 押注编程意外切入动画赛道 — Hesamation · 2026-11-02
- 一个 agent 目标连续跑了 4 天，烧掉 3 万赠额 token — CtrlAltDwayne · 2026-11-02
- 每日 AI 简报：Gemini 4 Carbon 疑现身 Arena，DeepSeek 开源编码 agent — testingcatalog · 2026-11-02