阶跃星辰近日发布最强开源端到端语音大模子Step-Audio 2 mini，该模子在多个外洋基准测试集上获取SOTA（State-of-The-Art，即现时最好水平）收获。

在本领层面，Step-Audio 2 mini接收了实在的端到端多模态架构，并将语音交融、音频推理与生成长入建模，不仅时延更低、输出更快，还能愈加精确地交融副言语信息、非东谈主声信号等语音成分，提高了语音东谈主机交互的成果和智能进度。当今，Step-Audio 2 mini依然可在GitHub、Hugging Face等平台下载并体验。

字据测评，这款模子在音频交融、语音识别、跨语种翻译、情感与副言语领略、等任务中弘扬凸起，抽象性能独特Qwen-Omni、Kimi-Audio在内的扫数开源端到端语音模子，并在大部分任务上独特GPT-4o-audio。

跟着语音交互成为东谈主机主要交互阵势，智能末端确立对语音模子的本事及情商水平提议了更高条目。Step-Audio 2 mini创举了音频推理才智，能对情感、语调、音乐等副言语和非语音尘号进行细巧交融、推理并当然复兴，由此让AI听懂东谈主类的“弦外之音”；同期，该模子最初撑握语音原生的Tool Calling才智，可终了联网搜索等操作，灵验责罚模子幻觉问题，并让语音模子像文本模子相通具有更浩瀚的常识储备和推理才智。

在此之前，祥瑞汽车发布了搭载阶跃星辰端到端语音大模子的祥瑞星河M9，这是行业内端到端语音大模子初度终了量产上车。据阶跃星辰联系东谈主士先容，自旧年发布国内首个千亿参数端到端语音大模子Step-1o Audio以来，该公司握续迭代模子性能，并跟祥瑞、鲸鱼机器东谈主、TCL、Cyan 青情意创等头部末端厂商达成深度伙同，让语音大模子在生涯场景中为挥霍者提供愈加智能、简易的互动体验。

本年以来，阶跃星辰依然开源了 8 款性能进步的多模态模子，笼罩语音、视频生成、图像裁剪、3D、多模态推理等多个类别，为各人开源社区孝顺多模态力量。

南边+记者 郜小平开yun体育网