# Step-Audio R1.1 (Realtime)

Éditeur : StepFun (Chine). Poids fermés (selon Artificial Analysis).

En bref : 8e sur 38 en raisonnement à l'écoute (Big Bench Audio) ; 27e sur 34 au délai avant le premier son.

Page : https://quelleia.com/voix/modeles/step-audio-r1-1-realtime/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 9 novembre 2026.

## Présentation

Modèle de dialogue parlé de StepFun qui raisonne pendant qu'il parle, grâce à une architecture séparant la formulation du raisonnement et l'articulation de la parole. Son raisonnement s'appuie directement sur les représentations acoustiques plutôt que sur une transcription. (lu sur https://huggingface.co/stepfun-ai/Step-Audio-R1.1/raw/main/README.md)

## Langues

- Évaluées par nos sources : anglais.
- Le français : pas évalué en français par nos sources.

## Ses classements

- Raisonnement à l'écoute, Big Bench Audio : 8e sur 38, part de réussite 97,6 % ; coût mesuré : 0 $ par heure d'audio en entrée, sur les questions de Big Bench Audio. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).
- Délai avant le premier son : 27e sur 34, délai avant le premier son 1,53 s ; coût mesuré : 0 $ par heure d'audio en entrée, sur les questions de Big Bench Audio. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).

## Modèles proches

- Raisonnement à l'écoute, Big Bench Audio : [Gemini 3.8 Live Extended Thinking](https://quelleia.com/voix/modeles/google-gemini-3-8-live-extended-thinking/), 7e (97,7 %), juste devant
- Raisonnement à l'écoute, Big Bench Audio : [Grok Voice 2.0](https://quelleia.com/voix/modeles/spacexai-grok-voice-2-0/), 9e (97,2 %), juste derrière
- Délai avant le premier son : [GPT-4o Realtime](https://quelleia.com/voix/modeles/openai-gpt-4o-realtime/), 26e (1,49 s), juste devant
- Délai avant le premier son : [Qwen Audio 3.0 Realtime Plus](https://quelleia.com/voix/modeles/alibaba-qwen-audio-3-0-realtime-plus/), 28e (1,54 s), juste derrière

## Comment lire ces chiffres

- Voix à voix : Un agent vocal écoute et répond de vive voix. Artificial Analysis le mesure sur plusieurs épreuves en anglais : son indice les résume sur 100, Big Bench Audio compte les bonnes réponses à des questions posées à l'oral, la tenue de la conversation compte les situations bien gérées (pauses, interruptions), plus c'est haut, mieux c'est ; le délai avant le premier son se lit à l'inverse, plus il est court, mieux c'est.

## Noms dans les sources

- Artificial Analysis (voix à voix) : Step-Audio R1.1 (Realtime)

## Liens

- Page de l'éditeur : https://huggingface.co/stepfun-ai/Step-Audio-R1.1
- L'essayer : https://www.stepfun.com/studio/audio

## Pages lues

- https://huggingface.co/stepfun-ai/Step-Audio-R1.1/raw/main/README.md (« Step-Audio R1.1 (Realtime) is a major upgrade to Step-Audio-R1, designed for interactive spoken dialogue with both **real-time responsiveness** and **strong reasoning capability**. »), 23/10/2026
- https://huggingface.co/stepfun-ai/Step-Audio-R1.1/raw/main/README.md (« the Realtime variant adopts a **Dual-Brain Architecture**: - A **Formulation Brain** responsible for high-level reasoning - An **Articulation Brain** dedicated to speech generation »), 23/10/2026
- https://huggingface.co/stepfun-ai/Step-Audio-R1.1/raw/main/README.md (« Step-Audio R1.1 grounds its reasoning directly in acoustic representations rather than text alone. »), 23/10/2026