階躍星辰(StepFun)が公開した130億パラメータのオープンソース音声基盤モデル。驚異的な声質再現と感情制御を実現。
モデル重みと推論コードがGitHubおよびHugging Faceで完全無償公開、ローカル環境に自由に配備可能
Step-Audioは、先端AIラボ階躍星辰(StepFun)が自社開発し全面オープンソース化した130億(13B)パラメータ規模のエンドツーエンド音声基盤モデルです。音声とテキストを分断せず統合的に扱うTransformerアーキテクチャを採用し、極めて忠実なゼロショット音声クローンと方言再現を実現。さらに「ささやき声」「激昂」「穏やかなトーン」といった感情表現をプロンプトで精密にコントロールでき、プライベートなローカル音声基盤として絶大な注目を集めています。