9 月 1 日消息，階躍星辰今日發布開源端到端語音大模型 Step-Audio 2 mini，該模型在多個國際基準測試集上取得 SOTA 成績。Step-Audio 2 mini 現已上線階躍星辰開放平臺。vdJ28資訊網——每日最新資訊28at.com

從官方介紹獲悉，它將語音理解、音頻推理與生成統一建模，并率先支持語音原生的 Tool Calling 能力，可實現聯網搜索等操作。vdJ28資訊網——每日最新資訊28at.com

Step-Audio 2 mini 在多個關鍵基準測試中取得 SOTA 成績，在音頻理解、語音識別、翻譯和對話場景中表現突出，綜合性能超越 Qwen-Omni 、Kimi-Audio 在內的所有開源端到端語音模型，并在大部分任務上超越 GPT-4o Audio。vdJ28資訊網——每日最新資訊28at.com

vdJ28資訊網——每日最新資訊28at.com

在通用多模態音頻理解測試集 MMAU 上，Step-Audio 2 mini 以 73.2 的得分位列開源端到端語音模型榜首；vdJ28資訊網——每日最新資訊28at.com

在衡量口語對話能力的 URO Bench 上，Step-Audio 2 mini 在基礎與專業賽道均拿下開源端到端語音模型最高分，展現出優秀的對話理解與表達能力；vdJ28資訊網——每日最新資訊28at.com

在中英互譯任務上，Step-Audio 2 mini 優勢明顯，在 CoVoST 2 和 CVSS 評測集上分別取得 39.3 和 29.1 的分數，大幅領先 GPT-4o Audio 和其他開源語音模型；vdJ28資訊網——每日最新資訊28at.com

在語音識別任務上，Step-Audio 2 mini 取得多語言和多方言第一。其中開源中文測試集平均 CER（字錯誤率） 3.19，開源英語測試集平均 WER（詞錯誤率） 3.50，領先其他開源模型 15% 以上。vdJ28資訊網——每日最新資訊28at.com

vdJ28資訊網——每日最新資訊28at.com

過往的 AI 語音常被吐槽智商、情商雙低。一是“沒知識”，缺乏文本大模型一樣的知識儲備和推理能力；二是“冷冰冰”，聽不懂潛臺詞，語氣、情緒、笑聲這些“弦外之音”。Step-Audio 2 mini 通過創新架構設計，有效解決了此前語音模型存在的問題。vdJ28資訊網——每日最新資訊28at.com

真端到端多模態架構：Step-Audio 2 mini 突破傳統 ASR+LLM+TTS 三級結構，實現原始音頻輸入到語音響應輸出的直接轉換，架構更簡潔、時延更低，并能有效理解副語言信息與非人聲信號。vdJ28資訊網——每日最新資訊28at.com

vdJ28資訊網——每日最新資訊28at.com

CoT 推理結合強化學習：Step-Audio 2 mini 在端到端語音模型中首次引入鏈式思維推理（Chain-of-Thought，CoT）與強化學習聯合優化，能對情緒、語調、音樂等副語言和非語音信號進行精細理解、推理并自然回應。vdJ28資訊網——每日最新資訊28at.com

音頻知識增強：模型支持包括 web 檢索等外部工具，有助于模型解決幻覺問題，并賦予模型在多場景擴展上的能力。vdJ28資訊網——每日最新資訊28at.com

GitHub：https://github.com/stepfun-ai/Step-Audio2vdJ28資訊網——每日最新資訊28at.com

Hugging Face：https://huggingface.co/stepfun-ai/Step-Audio-2-minivdJ28資訊網——每日最新資訊28at.com

ModelScope：https://www.modelscope.cn/models/stepfun-ai/Step-Audio-2-minivdJ28資訊網——每日最新資訊28at.com

本文鏈接：http://www.rrqrq.com/showinfo-45-27228-0.html階躍星辰發布端到端語音大模型 Step-Audio 2 mini，多個基準測試取得 SOTA 成績

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 抖音升級 AI 內容標識功能，今日起試行并生效

下一篇： 韓國給獨居老人發 AI 玩偶，24h 陪伴 + 健康監測