模型详情
模型介绍
中文整理# Step-Audio-R1.1 模型卡片
Model use case
Step-Audio R1.1（实时版）是 Step-Audio-R1 的重大升级版本，专为交互式语音对话设计，兼具实时响应能力和强推理能力。与传统流式语音模型不同，R1.1 实现“边说边思考”，在保持速度的同时达到高智能水平。
## 主要能力
基于“思维节奏语音”研究，实时版采用双脑架构：
这种解耦使模型能够在语音输出的同时进行思维链推理，在处理复杂任务时保持超低延迟。
为解决推理反转问题，R1.1 直接基于声学表示进行推理，而非仅依赖文本。通过迭代自蒸馏，延长推理时间反而成为优势。这实现了有效的测试时计算扩展，在 AA 基准测试中达到顶尖水平。
## 输入输出
输入：语音/音频信号
输出：语音/音频响应
运行要求
- GPU：支持 CUDA 的 NVIDIA GPU（已在 4×L40S/H100/H800/H20 上测试）
- 操作系统：Linux
- Python：3.10.0 或更高版本
基本用法
- 下载模型权重
- 部署方式二选一：
- 方式一（推荐）：使用 Docker 运行定制版 vLLM
- 方式二：源码编译定制版 vLLM
- 服务启动后监听 localhost:9999
许可证
许可证信息未在文档中提供。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。
