阶跃星辰发布StepAudio 3全栈音频矩阵 多项登顶国际榜单

会懂网AI资讯，9月16日，阶跃星辰正式发布StepAudio 3系列语音大模型，一次性推出覆盖声音理解与生成的全栈音频矩阵，标志着国产语音大模型从单点能力迈向全链路一体化布局。本次发布包含实时交互、语音识别、真人级合成、音效生成与音乐生成五款模型，意在补齐多模态语音场景下的关键底层能力，并为开发者和企业用户提供从听说到创作的完整工具链，降低语音产品集成门槛。

StepAudio 3的实时全双工对话模型支持边听边说、随时打断，在多项第三方评测中表现位居前列，时延与拟人度均达到实用化门槛，适合车载与智能助理等高频场景。识别模型ASR在复杂噪声与多方言场景下保持较高准确率，合成模型TTS则主打接近真人的自然音色与情感表达，使机器声音在情绪与节奏上更贴近真实人类交流，拓宽了语音技术的落地边界。

在生成侧，音效Gen与音乐Music两款模型分别面向影视游戏音效和旋律创作，可通过文本或参考音频驱动产出成品素材，显著降低专业音频制作门槛。五款模型共用统一的声音表征与训练体系，使阶跃星辰得以在一个技术栈内同时满足交互、识别与创作等不同需求，避免多供应商拼接带来的兼容与维护成本，提升整体交付效率。

此次全栈发布延续了阶跃星辰在多模态方向的长期积累，将语音从传统单条能力扩展为覆盖听、说、辨、创的完整链路。对开发者和企业而言，这意味着无需拼接多家供应商即可搭建端到端语音产品，也有助于在智能终端、客服与内容生产等场景形成差异化体验，让语音从附属功能升级为产品的核心交互入口与生产力组件。

StepAudio 3系列已在StepFun开放平台上线，开发者可通过API调用相关能力，便于快速集成到应用与产品中，缩短从原型到商用的周期。随着语音交互在车载、家居与穿戴设备中的普及，全链路音频能力的成熟度正成为大模型厂商竞争的新焦点，阶跃星辰借此完善了其多模态版图，也为行业树立了语音一体化能力的新参考标准。

从行业视角看，语音大模型的竞争正从孤立的识别或合成转向一体化音频智能，StepAudio 3的全栈思路契合这一趋势。在国产大模型持续加码多模态的当下，阶跃星辰以统一技术栈覆盖声音全链路，既强化了自身生态，也为下游应用提供了更完整的语音底座选择，推动语音交互从单点工具走向系统级能力，让本地化语音体验成为产品竞争的关键变量。