模型介绍
中文整理模型名称
Step-Audio-Chat
Model use case
Step-Audio-Chat是Step-Audio的多模态大型语言模型组件，拥有1300亿参数，负责理解和生成人类语音。该模型旨在无缝集成语音识别、语义理解、对话管理、语音克隆和语音生成等功能。
主要能力
语音识别与理解：能够理解用户语音输入并进行语义分析
对话管理：支持多轮对话交互
语音生成：能够生成自然流畅的语音输出
语音克隆：支持语音特征复制与生成
多语言支持：涵盖多种语言的语音处理能力
输入输出
输入：用户语音或音频信号
输出：文本回复或生成的语音
运行要求
模型规模为1300亿参数，需要相应的计算资源支持运行。
基本用法
该模型为Step-Audio项目的多模态LLM组件，具体使用方法请参考官方仓库文档。
限制
评估数据仅供参考。TriviaQA数据集标记结果仅供参照。Moshi模型标记结果仅供参照。
许可证
未提供许可证相关信息。
评估数据（仅供参考）
StepEval-Audio-360测试集结果：事实性66.4%，相关性75.2%，聊天评分4.11
公开测试集结果：Llama Question 81.0分，Web Questions 75.1分，TriviaQA 58.0分，ComplexBench 74.0分，HSK-6 86.0分
音频指令遵循测试：语言指令遵循3.8分，音频质量3.3分；角色扮演指令遵循4.2分，音频质量3.6分；说唱指令遵循2.4分，音频质量4.0分；语音控制指令遵循4.4分，音频质量4.1分
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
运行模型需要的设备、工具与依赖，以原作者说明为准。
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。