Step Audio EditX (Mar 2026)
StepFun · Chine
- Poids ouverts
En bref : 39e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un groupe de 10 modèles trop proches pour être départagés.
Présentation
Modèle audio de StepFun spécialisé dans l'édition itérative d'une voix (émotion, style de parole, sons paralinguistiques comme la toux ou les pleurs). Il fait aussi de la synthèse vocale avec clonage de voix sans entraînement préalable (zero-shot). Lu sur huggingface.co, le 17/10/2026.
- Sortie
- 12 février 2026 selon Artificial Analysis
- Taille
- 3 milliards de paramètres lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : mandarin, anglais, sichuanais, cantonais, japonais et coréen ; français prévu (zh, en, ja, ko). Lu sur huggingface.co.
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées par l'éditeur ; pas évalué en français par nos sources.
Son classement
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
39e sur 96Elo 1 100, intervalle 1 088 à 1 112, 2 249 votes
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en anglais, Artificial Analysis : devant, TTS-1 HD (38e, 1 102) · derrière, Eleven Turbo v2.5 (40e, 1 097)
Comment lire ces chiffres
Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis :
Step Audio EditX (Mar 2026) - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://huggingface.co/stepfun-ai/Step-Audio-EditX (« We are open-sourcing Step-Audio-EditX, a powerful 3B-parameter LLM-based Reinforcement Learning audio model specialized in expressive and iterative audio editing. »), 17/10/2026
- https://huggingface.co/stepfun-ai/Step-Audio-EditX (« It excels at editing emotion, speaking style, and paralinguistics, and also features robust zero-shot text-to-speech (TTS) capabilities. »), 17/10/2026
- https://huggingface.co/stepfun-ai/Step-Audio-EditX (« Excellent zero-shot TTS cloning for Mandarin, English, Sichuanese, and Cantonese. »), 17/10/2026
- https://huggingface.co/stepfun-ai/Step-Audio-EditX (« Now supporting Japanese and Korean languages. »), 17/10/2026
- https://huggingface.co/stepfun-ai/Step-Audio-EditX/raw/main/README.md (« - [x] Japanese, Korean - [ ] Arabic, French, Russian, Spanish, etc. »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.