阶跃星辰Step-Audio 2 mini语音大模型获SOTA成绩，多个基准测试领先
9 月 1 日消息，阶跃星辰今日发布开源端到端语音大模型 Step-Audio 2 mini，该模型在多个国际基准测试集上取得 SOTA 成绩。Step-Audio 2 mini 现已上线阶跃星辰开放平台。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
从官方介绍获悉，它将语音理解、音频推理与生成统一建模，并率先支持语音原生的 Tool Calling 能力，可实现联网搜索等操作。
Step-Audio 2 mini 在多个关键基准测试中取得 SOTA 成绩，在音频理解、语音识别、翻译和对话场景中表现突出，综合性能超越 Qwen-Omni 、Kimi-Audio 在内的所有开源端到端语音模型，并在大部分任务上超越 GPT-4o Audio。
在通用多模态音频理解测试集 MMAU 上，Step-Audio 2 mini 以 73.2 的得分位列开源端到端语音模型榜首；
在衡量口语对话能力的 URO Bench 上，Step-Audio 2 mini 在基础与专业赛道均拿下开源端到端语音模型最高分，展现出优秀的对话理解与表达能力；
在中英互译任务上，Step-Audio 2 mini 优势明显，在 CoVoST 2 和 CVSS 评测集上分别取得 39.3 和 29.1 的分数，大幅领先 GPT-4o Audio 和其他开源语音模型；
在语音识别任务上，Step-Audio 2 mini 取得多语言和多方言第一。其中开源中文测试集平均 CER（字错误率） 3.19，开源英语测试集平均 WER（词错误率） 3.50，领先其他开源模型 15% 以上。
过往的 AI 语音常被吐槽智商、情商双低。一是“没知识”，缺乏文本大模型一样的知识储备和推理能力；二是“冷冰冰”，听不懂潜台词，语气、情绪、笑声这些“弦外之音”。Step-Audio 2 mini 通过创新架构设计，有效解决了此前语音模型存在的问题。
真端到端多模态架构：Step-Audio 2 mini 突破传统 ASR+LLM+TTS 三级结构，实现原始音频输入到语音响应输出的直接转换，架构更简洁、时延更低，并能有效理解副语言信息与非人声信号。
CoT 推理结合强化学习：Step-Audio 2 mini 在端到端语音模型中首次引入链式思维推理（Chain-of-Thought，CoT）与强化学习联合优化，能对情绪、语调、音乐等副语言和非语音信号进行精细理解、推理并自然回应。
音频知识增强：模型支持包括 web 检索等外部工具，有助于模型解决幻觉问题，并赋予模型在多场景扩展上的能力。
GitHub：https://github.com/stepfun-ai/Step-Audio2
Hugging Face：https://huggingface.co/stepfun-ai/Step-Audio-2-mini
ModelScope：https://www.modelscope.cn/models/stepfun-ai/Step-Audio-2-mini
相关攻略
CES 2026 期间，Vocci Ring作为全球首款 AI 笔记戒指正式亮相，获得 4 项行业大奖。在智能戒指赛道长期拥挤在心率、睡眠等健康监测领域的背景下，Vocci Ring 的出现展示另一
这项由阿联酋穆罕默德·本·扎耶德人工智能大学和瑞典林雪平大学联合完成的研究发表于2026年3月，论文编号为arXiv:2603 22286v1。对于想要深入了解技术细节的读者，可以通过该论文编号查询
越来越多海外开发者及“龙虾”（OpenClaw）用户，对中国大模型愈发青睐，从而引发中国“Token出海”现象。一名新加坡开发者，曾用美国模型公司Anthropic的旗舰模型Claude Opus
OpenAI宣布全面关停曾被誉为AI视频“里程碑”的Sora第二天，快手可灵AI却交出亮眼成绩单，截至2026年1月，可灵AI的年化收入运行率超3亿美元，并预计2026年实现收入同比翻倍。中美行业龙
随着人工智能技术的快速发展，视频数据量呈现爆发式增长，从视频会议、直播互动到智能驾驶、机器视觉，越来越多的场景对视频处理能力提出更高要求。3月24日，安谋科技（中国）有限公司（Arm China）在
热门专题
热门推荐
清明节假期期间，A 股和港股休市，但比特币行情永不停歇。 4月6日，当多数市场还在假期中沉睡时，比特币已经悄然启动。价格从亚洲早盘的低点67400美元出发，一路向上试探，盘中最高涨破70300美元，不仅刷新了3月26日以来的高位，较日内低点的涨幅也超过了4%。以太坊的表现同样不俗，从2050美元附近
4月5日消息，日前，REDMI K90至尊版通过3C认证，预计将于本月发布。今日，小米中国区市场部总经理魏思琪用小米新机发布微博，不出意外，这正是即将登场的REDMI K90至尊版，这将是小米首款配
WPS演示中图表不随数据更新时，可通过四种方法实现自动同步：一、用OFFSET+COUNTA定义动态名称绑定图表；二、用组合框控件联动VLOOKUP提取数据；三、用数据透视图配合切
聚焦数字技术，释放创新动能。为集中展示静安区区块链技术从“实验室”走向“应用场”的丰硕成果，挖掘一批可复制、可推广的行业解决方案，加速构建区块链产业生态闭环，静安区数据局特推出“静安区区块链创新应用
太空中的马桶堵了，边飞边修还能勉强用。但中东被点燃的火药桶，美国怎么来扑灭？靠一再延期的“最后通牒”？还是靠无底线的轰炸？2300万美元的马桶美国航空航天局4名宇航员1日搭乘“猎户座”飞船升空，执行