阶跃发布StepAudio 3系列语音模型，多款产品登顶全球评测榜单

2026年9月15日，阶跃正式发布StepAudio 3系列语音模型，包括StepAudio 3 Realtime、StepAudio 3 ASR、StepAudio 3 TTS、StepAudio 3 Gen和StepAudio 3 Music五款模型，目前均已上线阶跃星辰开放平台。

据官方介绍，该系列分别覆盖真人级语音生成、完整音频内容生成、实时语音交互、复杂场景语音理解和音乐创作等场景。其中，多款模型在Artificial Analysis榜单中位列全球第一：StepAudio 3 Realtime以98.9%的综合得分排名Conversational Dynamics榜单全球第一，并以99.7%的语音推理准确率位列Speech Reasoning榜单全球第一；StepAudio 3 ASR在非流式语音识别准确性榜单中，词错误率仅1.7%，并列全球第一。

StepAudio 3 Realtime支持原生全双工实时对话，能边听边理解、判断对话节奏，并支持推理与语音生成并行，Tool Call和长任务可异步执行。StepAudio 3 ASR结合大语言模型的上下文理解能力，支持中文、英文、方言、中英混说及专业领域识别。StepAudio 3 TTS面向实时交互场景，可还原笑声、迟疑、改口等副语言表现。StepAudio 3 Gen基于自然语言描述统一生成人声、音效、环境音和背景音乐。StepAudio 3 Music支持从零生成及基于ABC记谱法的多轮交互创作。