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 都取“S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te。在 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p-源语音模型。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。di该模型打破了传统的 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o 音响应输出的直接转换，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，使其能够更好2 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功能，能够利用mi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景中的应用潜力ni。

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” !

• ·标签: Maxgent 田值 王慧文 FCOS
• ·标签: 芯潮流 光电DSP芯片 高速SerDes 数据中心互连
• ·标签: 盛合晶微
• ·标签: 今日头条 2025白皮书
• ·云计算开发：Python练习实例-列表使用实例
• ·云安全日报211029：红帽OpenShift云应用平台发现拒绝服务漏洞，需要尽快升级
• ·标签: 摩尔线程 MTTS5000 GPU AI
• ·DeepSeek 模型在港大美股交易竞赛中夺冠，年化回报率10.61% 远超 GPT、纳斯达克基准
• ·《云网产业发展白皮书》正式发布！
• ·云存储公司Dropbox Q1营收和利润均超预期：净利同比增长21%
• ·标签: 恒运昌 等离子体射频电源 拓荆科技 半导体设备
• ·云计算开发：Python3-islower()方法详解
• ·阿里云2024财年Q1 经调整EBITA利润3.87亿元
• ·Facebook卷入了Epic起诉苹果垄断案：被苹果要求提供部分文件
• ·英国将对亚马逊、微软和谷歌云服务市场主导地位展开调查
• ·与高通分手？谷歌Pixel 6系列手机将搭载自研芯片