首页 > 正文
阶跃星辰发布最新语音识别模型StepAudio_2.5_ASR
2026-04-24 18:32
基于ASR+MTP-5深度融合架构，StepAudio 2.5 ASR采用多Token预测技术，使模型能够一次预测多个候选Token并完成并行验证，打破了传统自回归机制逐Token输出的效率瓶颈。实测显示，该模型推理速度提升400%、时延降低60%，推理峰值达500 tokens/s，推理成本下降80%，5分钟左右的音视频几乎可实现即时转写。
在覆盖新闻播报、会议访谈及强噪声环境的多个中英文测试集上，StepAudio 2.5 ASR综合转写精度达到业内SOTA（技术领先）水平。针对长音频处理，该模型复用LLM原生的32K上下文窗口，支持单次完整转写最长30分钟的音频，避免了传统“切片-转写-拼接”方案可能导致的上下文断裂与后段精度衰减情况。（澎湃新闻记者 秦盛）