模速生态 | 阶跃语音模型位列 Artificial Analysis 评测榜中国第一、全球前三

刚刚，全球知名 TTS 评测榜单 Artificial Analysis Speech Arena Leaderboard 更新，模速生态企业阶跃星辰新一代语音生成模型 StepAudio 2.5 TTS 成功跻身全球前三，成为该榜单上排名最高的中国大模型。

Artificial Analysis Speech Arena Leaderboard 是业内最具公信力的 TTS 模型评测榜单之一。榜单采用盲测 Elo 评分机制——用户在不知道模型身份的情况下，聆听同一段文本生成的两段语音，选出听感更加自然拟人的那一段，测试场景覆盖客户服务、知识分享、数字助手和娱乐四大真实使用场景。能在这一机制下胜出，意味着模型生成的语音在真实用户耳中更自然、更像真人。

StepAudio 2.5 TTS 是阶跃最新一代语音生成大模型，它基于 3 大核心能力让语音生成更精准可控、更自然、更灵活也更有表现力。

• 全局语境控制：支持自定义整段语音的情绪基调、角色状态与场景氛围，使表达更统一、更连贯。

• 文中语境控制：不仅能控制一句话怎么说，还能进一步调节语气、节奏、停顿、轻重变化、角色感和场景感，让声音表达更有分寸。

• 零样本复刻与全音色控制：在保留目标音色特征的同时，支持对情感、风格和表达方式进行灵活调节，让同一种声音说出更多不同感觉。

此外， StepAudio 2.5 系列 共包含 3 款模型，覆盖 AI 语音全链路。目前 3 款模型均已全量上线：

Agentic 时代，语音是人机交互的核心入口。语音不仅是传递信息的工具，更是承载情绪、个性与意图的灵魂载体。为此，阶跃星辰持续深耕语音技术，并取得多项关键突破：

• 开源原生语音推理模型 Step Audio R1.1 在权威评测 Artificial Analysis Speech Reasoning 中登顶全球第一，并持续霸榜 ing；

• 开源全球首个迭代式情绪风格语音编辑模型 Step Audio EditX，该模型在 Artificial Analysis Speech Arena Leaderboard 上以 zero-shot TTS 方式，3s 复刻的音色效果可打败许多闭源 TTS 模型主音色；

• 推出国内首个千亿参数端到端语音大模型 Step-1o；

• 在吉利银河 M9 上实现端到端语音大模型首次上车；

• 为整车智能体“超级 Eva”提供语音交互能力，首发搭载极氪 8X 并已量产上市。

未来，阶跃星辰将持续探索语音技术边界，让 AI 的每一次有声表达都更灵动自然。