阶跃星辰发布 StepAudio 2欧交易所app.5 ASR 自动语音识别模型：推理速度提升 400%，定价骤减 90%

IT之家 4 月 24 日消息，阶跃阶跃星辰今日宣布推出新一代自动语音识别模型 StepAudio 2.5 ASR。星辰

该模型的发布欧交易所app核心突破在于率先将大语言模型的推理加速技术引入语音识别领域，在推理速度与转写精度两个维度均有显著提升，自动骤减主要面向会议转写、语音语音交互、识别速度输入法、模型媒体内容处理、推理提升长音频识别等场景。阶跃

传统语音识别模型受限于自回归生成机制，星辰需要逐个 Token 依次输出，发布欧交易所app效率较低。自动骤减StepAudio 2.5 ASR 采用 ASR+MTP-5 深度融合架构，语音将此前应用在 Step 3.5 Flash 大模型上的识别速度 MTP（IT之家注：多 Token 预测）技术移植至语音识别领域。该技术使模型能够一次预测多个候选 Token，模型并通过并行验证机制快速确认结果，打破了传统自回归机制逐个输出的效率瓶颈。

实测数据显示，模型推理速度提升 400%、时延降低 60%，推理峰值达 500 tokens/s，推理成本直降 80%。以 5 分钟左右的音视频为例，几乎可以实现即时转写。

在转写精度方面，StepAudio 2.5 ASR 在覆盖新闻播报、会议访谈及强噪声环境的多个中英文权威测试集上，综合转写精度达到业内 SOTA 水准。在 LibriSpeech 等中英文 10 个权威开源测试集上的综合错误率均低于竞品。

针对长音频处理这一语音识别领域的长期痛点，行业内通常依赖“切片-转写-拼接”方案，即把音频切成若干小段分别识别再合并，但这种方式容易造成上下文信息割裂 —— 模型在转写后半段内容时，可能已经“忘记”了开头信息。StepAudio 2.5 ASR 复用了大语言模型原生的 32K 上下文窗口能力，支持端到端一次性读入最长 30 分钟的连续音频，无需分段切割。在 30 分钟满载输入测试中，模型没有出现随时间推移精度衰减的情况。

定价方面，StepAudio 2.5 ASR 仅为 0.15 元 / 小时，约为此前 Step ASR 2 的十分之一。目前，该模型已全量上线阶跃星辰开放平台和 Step Plan，开发者可通过官网体验使用。

很赞哦!（52842）