Step-1o Audio是由階躍星辰研發的語音大模型，於2024年12月作為Step-1o系列首個模型發布。該模型採用原生端到端架構，集成文本、視覺、語音三模態生成理解一體化設計，具備千億參數規模的技術特徵。2025年1月，模型通過升級加強了情緒感知理解、多語種方言支持、實時通話體驗等核心能力，並全量開放至躍問App套用場景。
基本介紹
- 開發商：階躍星辰
- 發布時間：2024年12月
- 參數規模：千億級
- 核心功能：情緒感知、多語種支持
- 最新升級：2025年1月
- 套用場景：語音互動、通話體驗
技術架構,功能特性,套用場景,行業影響,
技術架構
- 採用原生端到端技術架構，實現文本、視覺、語音三模態生成與理解一體化設計，突破傳統語音模型單模態處理限制
- 作為國內首個千億參數規模的語音專項模型，其參數總量達到行業領先水平
功能特性
- 情緒感知與理解：可精準識別用戶語氣、語調中蘊含的12種情緒信息，並結合上下文語境實現情感需求深度解析
- 多語種方言支持：覆蓋漢語、英語等16種主流語言及35種方言變體，方言識別準確率達93.7%
- 實時通話最佳化：通過端到端算法壓縮，將語音互動延遲降低至230毫秒以內，顯著提升通話自然度
套用場景
- 全面集成至躍問App的智慧型語音助手模組，支持實時語音對話、情感陪伴等互動場景
- 套用於客服系統升級項目，實現日均處理200萬次客戶語音請求
行業影響
- 中國首個實現端到端架構的千億參數語音模型，填補該領域技術空白
- 2025年1月升級後，在OpenCompass中文語音理解評測中取得89.3分，位列行業首位
