今天，阶跃正式发布新一代实时语音大模型 StepAudio 2.5 Realtime！

我们希望创造更有“活人感”的 AI 聊天搭子：有温度、有灵魂、有态度。为此重点聚焦三大能力突破：

• 顶级副语言能力：实现真人级深度感知，精准听懂对话里的弦外之音与情绪流转。
• 千万人设自定义：从性格到口癖皆可定义，注入独一无二的灵魂，打造你的专属 AI。
• 对话双商领跑：在情商与智商上双重进阶，实现更深度、更懂你的交流。

目前，StepAudio 2.5 Realtime 已全量上线，欢迎体验！

阶跃星辰开放平台：

https://platform.stepfun.com/docs/zh/guides/models/stepaudio-2.5-realtime

https://platform.stepfun.com/docs/zh/guides/models/stepaudio-2.5-chat

Step Plan：

https://platform.stepfun.com/docs/zh/step-plan/integrations/audio-api

体验中心：

https://www.stepfun.com/studio/audio?tab=voice-chat

Model Card：

https://stepaudiollm.github.io/step-audio-2.5-realtime/

顶级副语言能力

StepAudio 2.5 Realtime 拥有顶级副语言能力，这使它不仅能精准捕捉对话中文字之外的微妙细节，更能以同样丰富的方式“表达”，成为一个真正鲜活、拟人的存在。

副语言是情感传递的主要载体，模型通过解读语调、语速、停顿乃至一声叹息或轻笑，所处理的已不仅是表层信息，更是对话者的情绪状态与潜在意图。

由此，它能实现真正的自然对话，大幅降低交互成本。无论是从低沉声线中听出你的疲惫、还是从急促语气里察觉你的不开心，它都能动态调整回应策略，让每次交流都精准体贴，如同与真人交谈。

对话双商领跑

更进一步，StepAudio 2.5 Realtime 实现对话智商与情商的双重跃升。不仅能深度理解复杂语义、极致抛梗，更能灵活调用多领域知识，提供有深度有洞见的对话体验。

既能成为提供充足情绪价值的好闺蜜：

更能化身专业 HR，帮你模拟面试：

千万人设自定义

在实时语音大模型中，人设是赋予对话“灵魂”的关键。而真正的“灵魂”，应当是千人千面、因人而异的。

为此，StepAudio 2.5 Realtime 将人设的定义权交给用户（通过 API）。从性格特质、背景经历、个人好恶，到语言习惯与对话边界，皆可精细调节，让每个声音角色都真正与众不同。

这一能力的背后，是我们基于超 10,000 个高质量原生人设，通过算法裂变生成的百万级人设特征矩阵，并融合海量真实场景对话进行训练所构建的泛化基础。这使得模型即便面对长尾、小众的话题，也能保持响应一致、表现稳定。

在深度角色扮演中，AI 常因“人设崩塌”而让沉浸感瓦解。为此，我们针对 Roleplay 场景进行了深入的 RLHF 对齐优化，在极端情境的压力测试下，模型仍能牢牢贴合预设人格，展现出高度稳定、可信的角色演绎能力。

此外，我们也直接提供 5 个预设人设，可供大家根据个人喜好选择体验。

StepAudio 2.5 Realtime 现已全量上线，欢迎大家体验！