阶跃星辰正式推出开源语音大模型 Step-Audio 2 mini。
首次实现语音理解、推理与生成的统一建模，在音频理解、跨语种翻译、情感解析等任务中全面超越主流模型（包括GPT-4o Audio），并率先支持语音原生Tool Calling能力。
性能表现
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中，Step-Audio 2 mini以73.2分居开源端到端语音模型榜首；
URO Bench口语对话评测里，其基础及专业赛道均居开源端到端语音模型首位；
中英互译（CoVoST 2/CVSS）得分39.3/29.1，大幅领先GPT-4o Audio等模型；
语音识别任务中，其开源中文CER 3.19、英语WER 3.50，错误率低于同类模型15%以上，多语言/多方言表现第一。
在不同语种的基准测试上，Step-Audio 2 mini在评价中文能力的FLEURS Chinese上取得第一名的成绩。
技术亮点
真端到端架构：突破传统三级结构（ASR+LLM+TTS），实现音频输入到语音输出的直接转换，架构更简、延迟更低，并能理解副语言和非人声信号。
CoT推理+强化学习：首次在语音模型中结合链式思维推理（CoT）和强化学习，精细解析情绪、语调等非语音信号并自然回应。
音频知识增强：支持外部工具（如web检索），减少幻觉问题，并扩展多场景应用能力。
Step-Audio 2 mini以轻量化模型实现全链路语音智能跃迁，为AI语音助手注入高情商与强逻辑基因，人机交互的自然对话时代正在加速到来。
Github :https://github.com/stepfun-ai/Step-Audio2
#AI开源项目推荐##github##AI技术##AI语音生成#阶跃星辰开源
