Step-Audio R1.1 (Realtime)
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.
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 huggingface.co, le 23/10/2026.
Langues
- Évaluées par nos sources : anglais.
- Le français : pas évalué en français par nos sources.
Ses 2 classements
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 · Voix à voix
Raisonnement à l'écoute, Big Bench Audio
8e sur 38part de réussite 97,6 %
Coût mesuré : 0 $ par heure d'audio en entrée, sur les questions de Big Bench Audio
Source : Artificial Analysis · relevé du 9 novembre 2026.
- En anglais · Voix à voix
Délai avant le premier son
27e sur 34délai 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 · relevé du 9 novembre 2026.
Modèles proches
- Raisonnement à l'écoute, Big Bench Audio : devant, Gemini 3.8 Live Extended Thinking (7e, 97,7 %) · derrière, Grok Voice 2.0 (9e, 97,2 %)
- Délai avant le premier son : devant, GPT-4o Realtime (26e, 1,49 s) · derrière, Qwen Audio 3.0 Realtime Plus (28e, 1,54 s)
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.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis (voix à voix) :
Step-Audio R1.1 (Realtime) - Fiche
- Registre de QUELLE IA.
- 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
Voir aussi : la voix en bref, la transcription, la synthèse vocale, la voix à voix, ou cette fiche en texte.