阶跃星辰推出 StepAudio 2.5 Realtime，实时语音 AI 再升级！

最近，语音大模型领域又迎来一个值得关注的动态：阶跃星辰正式推出了新一代实时语音模型 StepAudio 2.5 Realtime。目前，开发者已经可以通过其开放平台进行接入。这款新模型的目标很明确——让AI对话听起来更“真”，更像人。为此，它在几个关键维度上做了集中突破：副语言感知、角色自定义，以及综合对话能力的打磨。

听懂“弦外之音”：副语言感知成为关键

StepAudio 2.5 Realtime 一个核心的升级点，在于它对“副语言”信息的处理能力。什么是副语言？简单说，就是那些话语之外的东西：语调的抑扬顿挫、语速的快慢、话语间的停顿，甚至一声叹息或轻笑。这些细节，恰恰是情感传递的密码。

新模型能够分析这些元素，从而感知用户的情绪状态和潜在意图。比如，从低沉、缓慢的语调中识别出疲惫感，或者从急促的语速里判断出用户的烦躁情绪。基于这种感知，AI可以动态调整自己回复的语气和策略，让整个交流过程摆脱机械感，显得更加自然、熨帖。

打造独一无二的AI伙伴：深度人设自定义

除了听懂情绪，用户还能“塑造”AI的性格。StepAudio 2.5 Realtime 提供了相当灵活的角色自定义功能。开发者可以通过API，细致地调整AI角色的性格特征、背景经历乃至语言习惯。

这背后有扎实的数据和算法支撑。模型基于超过一万个高质量的原生人设，通过算法生成了一个百万级的人设特征矩阵，并利用大量真实对话数据进行训练。为了确保这个“人设”不崩坏，开发团队还进行了强化学习优化，让模型即便在极端对话场景下，也能保持稳定的角色一致性。当然，如果不想从头定制，模型也内置了5个预设人设，方便用户直接上手体验。

不止于聊天：智商与情商的双重提升

在整体的对话能力上，新模型追求的是“智商”与“情商”的平衡。它不仅能深入理解复杂的语义，灵活应对交流中的各种情境转折，还能调用多领域的知识库，提供更有深度的信息支持。

这意味着，它的应用场景可以非常广泛：既可以作为一个有共情能力的聊天伙伴，进行情感交流；也能模拟专业HR的角色，进行一场像模像样的模拟面试，胜任更正式的交互场合。

性能表现：用数据说话

那么，实际效果如何？根据官方发布的最新评测数据，StepAudio 2.5 Realtime 在五个核心测试维度中均表现卓越。尤其在直接反映体验好坏的“用户体验”评分中，其得分达到了80.41，这个成绩显著高于GPT-Realtime-1.5、Gemini Live等同类产品，直观地展示了其强大的性能和应用潜力。

简单总结一下：

• StepAudio 2.5 Realtime 的核心优势在于能精准感知语调、语速等副语言信息，从而理解用户情绪。

• 它支持通过API深度自定义AI角色的性格与背景，个性化程度很高。

• 官方评测数据显示，其在多项测试中表现优异，用户体验得分领先于市场同类产品。