阶跃公司正式发布了StepAudio3系列模型，该系列包含五款模型：StepAudio3Realtime、StepAudio3ASR、StepAudio3TTS、StepAudio3Gen和StepAudio3Music。目前，多款模型已在Artificial Analysis相关榜单上荣登全球榜首，且均已上线阶跃星辰开放平台。其中，StepAudio3Realtime支持原生全双工实时对话，能够理解多维度音频信息，实现推理与语音生成的并行处理，以及工具调用的异步执行，在相关榜单中位居全球第一。StepAudio3ASR结合了高精度识别与大语言模型能力，适应多场景和复杂输入，词错误率低至1.7%，同样并列全球第一。StepAudio3TTS则贴合人类口语模式，能够还原副语言表现，自主调整情绪语气，并支持流式生成。StepAudio3Gen能够基于描述统一生成包含人声、音效等的完整音频，并能精细控制声音特征与时序。而StepAudio3Music则支持从零生成音乐及多轮交互创作，能够基于多种输入完善作品，并控制曲风等元素，建模歌曲结构。