Step-Audio 2 mini

Step-Audio 2 mini是階躍星辰於2025年9月1日發布的開源端到端語音大模型，集成了語音理解、音頻推理與生成功能。

該模型突破傳統ASR+LLM+TTS三級結構，採用端到端多模態架構實現原始音頻到語音回響的直接轉換，在音頻理解、語音識別、跨語種翻譯等任務中表現突出，支持語音原生的Tool Calling能力以實現聯網搜尋操作，並在中文FLEURS測試中取得首位成績。

該模型在通用多模態音頻理解測試集MMAU以73.2分位列開源語音模型榜首，語音識別任務中文測試集平均CER達3.19、英語測試集平均WER為3.50。通過引入鏈式思維推理與強化學習聯合最佳化，其能精準識別副語言信息及非人聲信號，已在吉利銀河M9車型實現量產套用。階躍星辰年內累計開源8款多模態模型，並與吉利、TCL等廠商展開合作推動技術落地。

基本介紹

• 外文名：Step-Audio 2 mini
• 所屬公司 ：階躍星辰

發展歷史

2025年9月1日，階躍星辰正式發布開源端到端語音大模型Step-Audio 2 mini。

主要功能

Step-Audio 2 mini將語音理解、音頻推理與生成統一建模，在音頻理解、語音識別、跨語種翻譯、情感與副語言解析、語音對話等任務中表現突出，並率先支持語音原生的Tool Calling能力，可實現聯網搜尋等操作。