StepFun

Step Audio 2

StepFun’s end-to-end speech model — TTS, STT and voice chat in a single checkpoint.

#22صدر 24 سبتمبر 2026·Proprietary·Not disclosed
textaudio64K ctx
مزودو APIاحصل على مفتاح API ←الترتيب
الذكاء
89.0 #22
AAQI 89.0
سرعة الإخراج
150 t/s
ITL 6.7 ms/tok
السعر الممزوج (3:1)
$0.015 /1M
إدخال $0.012/M · إخراج $0.024/M
السياق
64K
≈ 160 صفحة A4 · أقصى إخراج 8,192

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Step Audio 2
Claude Mythos Preview (#1)
Average (68)
Coding (15)Mathematics (15)Hard Science (GPQA) (32)Agentic & Tool Use (55)Knowledge (MMLU) (46)Vision / Multimodal (85)

محاور الرادار تقريبية من درجات الفئات عند غياب قياسات مباشرة — راجع المنهجية.

نقاط القوة والمقايضات

أين يتفوق

  • Single model replaces a whole voice pipeline
  • Best-in-class Chinese speech quality
  • Understands tone and emotion, not just words

ما يجب الانتباه له

  • English prosody below Eleven/Cartesia tiers
  • Ecosystem concentrated in APAC
  • No self-hosting

حالات استخدام قاتلة

Speech-to-speech agents
Direct voice chat without TTS/STT glue.
Chinese voice products
Native Mandarin/Cantonese synthesis and ASR.
Emotion-aware bots
Reacts to caller sentiment in real time.

بداية سريعة للمطورين و API

عيّن STEPFUN_API_KEY أولاً — احصل على مفتاح API
curl https://api.stepfun.com/v1/chat/completions \
  -H "Authorization: Bearer $STEPFUN_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "step-audio-2",
    "messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
  }'

الموارد والروابط الرسمية

نشر API

مقارنة المضيفين ووقت الاستجابة

الإنتاجية وTTFT وتسعير ذاكرة التخزين المؤقت عبر Groq وCerebras وTogether وDeepInfra وFireworks وBedrock وAzure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
عرض مصفوفة المزودين →

الدرجات حسب المصدر

المواصفات الحية والبنية

تحت الغطاء
Step Audio 2 — unified speech model
  • One checkpoint for TTS, STT and speech-to-speech chat
  • Paralinguistic understanding — emotion, emphasis, age cues
  • Voice-to-voice tool calling for agent stacks
  • Strong Mandarin/Cantonese coverage
تاريخ الإصدار
24 سبتمبر 2026
البنية
Step Audio 2 — unified speech model
المعلمات
Not disclosed
الترخيص
Proprietary
نافذة السياق
64,000 tokens
أقصى إخراج
8,192 tokens
الوسائط
text + audio
أسعار التخزين المؤقت
قراءة $0.004 · كتابة $0.015 /1M
الاستدلال
—
سعر الإدخال
$0.012/M
سعر الإخراج
$0.024/M
سرعة الإخراج
150 t/s
الزمن حتى أول رمز
—
آخر تحديث
22 أكتوبر 2026

الفاتورة الشهرية المقدرة

الإنفاق الشهري المقدر
$0.00
جارٍ حساب التوفير مقابل GPT-4o…

اقتباس وتضمين

شارة Markdown لـ GitHub
Loading badge markdown...
BibTeX
@misc{llmpodium2026stepaudio2,
  title = {Benchmark Analysis and Intelligence Evaluation of Step Audio 2},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/step-audio-2}
}

تضمين شارة النتيجة

أضف شارة Podium Score المباشرة إلى ملف README على GitHub أو Hugging Face — ترتبط بالترتيب المباشر.

معاينة
Step Audio 2 LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

المزيد من StepFun

النماذج البديلة

أقرب البدائل لـ Step Audio 2 استناداً إلى القدرات والأسعار ونتائج الاختبارات.

0 / 4