据动察 Beating 监测，阶跃星辰发布端到端实时语音大模型 StepAudio 2.5 Realtime，主打「活人感」对话，支持全维度人设自定义和副语言（语调、停顿、叹息等非语言信号）感知。模型已全量上线开放平台 API。

官方给出的五个评测维度（2026 年 4 月测试）全部拿下第一。其中最能反映真实体验的主观评测（手机 APP 真人对话打分）得 80.41，GPT-Realtime-1.5 为 68.01，Gemini Live 为 67.16。语音问答基准得 79.80，是 GPT-Realtime-1.5（53.20）的近 1.5 倍。副语言理解 82.18，通用对话 86.36，车载场景 84.80。

技术路线有三个关键设计。一是基于 1 万余个原生人设，通过算法裂变出百万级人设特征矩阵，融合大量真实对话语料训练，让模型在长尾小众话题上也能保持稳定。二是针对角色扮演场景做了专属 RLHF（基于人类反馈的强化学习）对齐，解决 AI 聊着聊着「人设崩塌」的老问题。三是理解与生成深度融合，继承自家 StepAudio 2.5 TTS 的表现力，做到全局场景定调和句内细节雕琢。

API 兼容 OpenAI Realtime API 协议（基于 WebSocket），开发者可低成本迁移。定价为输入 10 元/百万 token（缓存命中 2 元），输出 70 元/百万 token，官方估算连续语音通话成本约 3.8 元/小时。