阶跃语音模型跻身全球评测前三，刷新中国大模型听感纪录

发布时间：2026-05-11 10:38:47 | 责任编辑：吴昊 | 浏览量：39 次

在最新发布的全球权威TTS（语音合成）评测榜单Artificial Analysis Speech Arena Leaderboard中，来自中国的阶跃星辰(StepFun)展现出强劲实力。其语音生成模型StepAudio2.5TTS凭借出色的听感表现跻身全球前三，成为目前该榜单中排名最高的中国大模型产品。
与传统的实验室数据指标不同，该榜单采用了更为严苛的“盲测Elo评分机制”。在这种模式下，用户在完全不知道模型身份的情况下，对两段由同一文本生成的音频进行主观听感评判。测试场景涵盖了在线客服、知识分享、数字助手以及娱乐互动等真实生活片段。阶跃星辰的胜出，意味着其生成的语音在真实用户反馈中更具“人情味”，在语调自然度与表达感染力上已具备国际顶尖的竞争力。
目前，阶跃星辰已密集发布了StepAudio2.5系列的全链路模型，包括负责语音生成的TTS、主打高精度识别的ASR，以及最新上线的Realtime实时交互模型。其中，Realtime模型特别强调了“活人感”的营造，通过顶级的副语言能力和千万人设的自定义功能，试图为用户打造一个有温度、有灵魂的AI聊天伙伴。
事实上，这家公司在语音AI领域的布局早已铺开。其开源原生推理模型Step Audio R1.1已在另一项全球语音推理榜单中连续四个月位居榜首;而另一款开源的情绪风格编辑模型Step Audio EditX，仅需3秒素材即可完成高质量的音色复刻，展现了极高的技术效率。
在技术落地的商业化路径上，阶跃语音模型也走在了前列。目前，该技术已成功搭载于吉利银河M9等多款车型，实现了端到端语音大模型的量产上车。同时，在极氪8X等车型的智能交互系统中，该模型也作为核心驱动力，为整车智能体提供了更自然、流畅的交互体验。