阶跃开源 130B 的最强语音模型！

主要观点总结

阶跃公司开源了一个名为Step-Audio的超大语音模型，这是业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统。它支持多语言对话（中文，英文，日语）、语音情感（开心，悲伤）、方言（粤语，四川话）、可控制语速及韵律风格、支持RAP和哼唱等，以及语音克隆功能。这是一个非常强大的语音模型，有望为语音交互技术带来革命性的改变。

关键观点总结

关键观点1: Step-Audio的语音模型

阶跃公司开源的Step-Audio是一个130B的超大语音模型，这是业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统。

关键观点2: 多语言支持

Step-Audio支持多语言对话，包括中文、英文和日语。

关键观点3: 语音情感与方言支持

Step-Audio能够识别并生成带有情感（如开心、悲伤）的语音，同时支持方言（如粤语、四川话）。

关键观点4: 语速与韵律风格控制

用户可以控制语音的语速和韵律风格。

关键观点5: RAP与哼唱支持

Step-Audio支持生成RAP和哼唱等特定类型的语音。

关键观点6: 语音克隆功能

Step-Audio具有强大的语音克隆功能，可以实现个性化的语音生成。