StepFun

推出 StepAudio 3，我们的新型五款音频模型家族，适用于实时语音、语音识别、语音生成、音频生成和音乐。 Realtime 在人工分析中在对话动态（98.9%）和语音推理（99.7%）方面均排名第一。ASR 的字错误率达到 1.7%，与排行榜上的最佳结果相匹配。 构建能够处理打断、在讲话时进行推理并调用工具的语音代理。转录语音，生成富有表现力的声音，并创建完整的音频场景和音乐。 现已开通： 语音 AI 实验室: https://t.co/9lQaKPc5AF 博客: https://t.co/cU0cQvI7zM