开源语音大模型 “Step-Audio 2 mini” 发布！听得清楚、说得自然
我要评论近日，阶跃星辰正式推出了最新的开源端到端语音大模型 ——Step-Audio2mini。这款模型在多个国际基准测试中开源表现优异，获得了 SOTA（最先进技术）成绩，令人瞩目。Step-Audio2mini 不仅在语音理解和音频生成方面能语音力强大，还首次将音频推理和生成统一建模，为语音识别、跨语言翻译和情感解析等多种应用场景提供了出色的解决方案。
Step-Aud大模io2mini 的特点之一是其卓越的多模态音频理解能力。在 MMAU（多模态音频理解测试集）上，该模型以73.2的得分稳型 居开源语音模型的榜首。在口语对话能力的 URO Bench 测试中，无论基础赛道还是专业赛道，Step-Audio2mini“S 都取得了开源模型中的最高分，展现出其出色的对话理解与表达能力。
在中英互译任务中，Step-Audio2mini 也表现不俗。在te CoVoST2和 CVSS 评测集上，分别获得了39.3和29.1的高分，明显超越了 GPT-4o Audio 和其他开源语音模p-型。此外，该模型在语音识别方面同样出类拔萃，在开源中文测试集上的字错误率（CER）为3.19，在开源英语测试集上的词Au错误率(WER)为3.50，领先其他开源模型超过15%。
Step-Audio2mini 的成功离不开其创新的架构设计。该模型打di破了传统的 ASR（自动语音识别）、LLM(大语言模型)和 TTS(文本转语音)的三级结构，实现了从原始音频输入到语音响o 应输出的直接转换，简化了架构，降低了延迟。此外，模型还引入了链式思维推理(CoT)与强化学习的联合优化技术，使其能2 够更好地理解情绪、语调等副语言信息，并自然地作出反应。
值得一提的是，Step-Audio2mini 还支持音频知识增强mi功能，能够利用外部工具进行联网搜索，解决了传统模型中的幻觉问题。这一创新不仅提升了模型的实用性，还扩展了其在多种场ni景中的应用潜力。
目前，Step-Audio2mini 已在 GitHub、Hugging Face 等平台上线，欢迎开发者们前去” 试用和贡献代码!
相关文章
云梦级3月16日云梦级消息，3月16日，零跑汽车（9863.HK）发布2025年财报显示：2025年，零跑汽车交付新车596555台，连续两年实现销量翻倍增长，位居中国新势力品牌销量榜首；实现净利润52026-11-16
如今，虽然5G包揽了全球更多的关注度，但人工智能的发展依然强劲。随着各方面技术的不断突破和成熟，人工智能在人们生产生活领域的应用越来越多元，对于传统产业和岗位的冲击也越来越频繁。 目前，人工智能已经在2026-11-16
人类与隐私和安全的关系由来已久。几个世纪以来，我们锁上门，珍藏最珍贵的财产，警惕小偷带来的威胁。随着时间的推移，我们与安全的关系变得更加复杂，因为我们现在需要保护的东西越来越多。随着安全领域的技术进步2026-11-16
数学AI推理迎来重大突破！We-Math 2.0构建全链条知识体系，多模态学习能力实现质的飞跃
多模态大模型在图像问答和视觉理解等领域虽然取得了显著进展，但在数学推理这一核心挑战上依然存在明显短板。北京邮电大学、腾讯微信和清华大学的联合研究团队针对这一痛点，正式发布了We-Math2.0——一个2026-11-16
新浪科技讯，7月14日消息，天眼查App显示，7月14日，北京中易中标电子信息技术有限公司等侵害计算机软件著作权纠纷民事裁定书公开，案号（2021）京民辖56号。 该裁定书显示，原告中易中标公司诉称，2026-11-16
云梦级3月30日云梦级消息，据第一财经报道，近日，百度贴吧中的抓虾吧因其独特的运行规则引发了广泛关注。许多网友反映，在尝试该吧发帖时，系统会弹出禁止人类发帖的提示，甚至回帖也会显示禁止人类回帖，这一反2026-11-16
最新评论