5 月 9 日，全球權(quán)威 TTS 評(píng)測(cè)榜單 Artificial Analysis Speech Arena Leaderboard 更新，階躍語(yǔ)音生成模型 StepAudio 2.5 TTS 躋身全球前三，成為當(dāng)前榜單排名最高的中國(guó)大模型。

不同于傳統(tǒng)實(shí)驗(yàn)室指標(biāo)，該榜單采用盲測(cè) Elo 評(píng)分機(jī)制，由用戶在不知道模型身份的情況下，直接對(duì)同一文本生成的兩段語(yǔ)音進(jìn)行聽(tīng)感判斷，測(cè)試覆蓋客戶服務(wù)、知識(shí)分享、數(shù)字助手、娛樂(lè)等真實(shí)應(yīng)用場(chǎng)景。這意味著，StepAudio 2.5 TTS 的領(lǐng)先并不只是參數(shù)或指標(biāo)上的提升，而是在真實(shí)用戶聽(tīng)感中展現(xiàn)出更自然、更接近真人表達(dá)的能力，在實(shí)際落地中具備更強(qiáng)競(jìng)爭(zhēng)力。

據(jù)了解，階躍近期集中發(fā)布 StepAudio 2.5 系列模型，包括 TTS、ASR 和 Realtime 三款模型，覆蓋語(yǔ)音生成、語(yǔ)音識(shí)別與實(shí)時(shí)語(yǔ)音交互全鏈路。其中，StepAudio 2.5 TTS 面向高自然度語(yǔ)音生成，StepAudio 2.5 ASR 主打高速高精度識(shí)別，就在昨日 StepAudio 2.5 Realtime 也火速上線，聚焦打造更有“活人感”的 AI 聊天搭子，具備頂級(jí)副語(yǔ)言能力、千萬(wàn)人設(shè)自定義、領(lǐng)先智商情商等特點(diǎn)，強(qiáng)調(diào)帶來(lái)“有溫度、有靈魂、有態(tài)度”的實(shí)時(shí)語(yǔ)音交互體驗(yàn)。

AI 語(yǔ)音模型一直被行業(yè)視為實(shí)現(xiàn)人機(jī)交互的核心入口，包括 OpenAI、Google 等全球頂尖科技公司均在長(zhǎng)期且高強(qiáng)度投入。記者觀察到，階躍在 AI 語(yǔ)音領(lǐng)域已進(jìn)行長(zhǎng)期深度布局：開(kāi)源原生推理語(yǔ)音模型 Step Audio R1.1 已連續(xù) 4 個(gè)月霸榜 Artificial Analysis Speech Reasoning，目前仍位于全球第一；開(kāi)源全球首個(gè)迭代式情緒風(fēng)格語(yǔ)音編輯模型 Step Audio EditX，該模型為 zero-shot TTS，僅用 3s 復(fù)刻的音色效果可打敗許多閉源 TTS 模型主音色；目前位列  Artificial Analysis Speech Arena Leaderboard 開(kāi)源榜全球第二。

 

在商業(yè)化方面，階躍語(yǔ)音模型已在多個(gè)核心終端場(chǎng)景實(shí)現(xiàn)規(guī)模化商業(yè)落地。比如搭載吉利銀河 M9，階躍率先實(shí)現(xiàn)端到端語(yǔ)音大模型量產(chǎn)上車(chē)；為整車(chē)智能體超級(jí) Eva 提供語(yǔ)音交互能力，首發(fā)搭載極氪 8X 也已實(shí)現(xiàn)量產(chǎn)上市。

 

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。