# Step TTS 2 (Mar 2026)

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

En bref : 30e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 7 modèles que la marge d'erreur ne permet pas de séparer.

Page : https://quelleia.com/voix/modeles/step-tts-2-mar-2026/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de synthèse vocale de StepFun qui succède à Step TTS Mini, avec une génération de bout en bout sans module dédié au locuteur ni à l'émotion. Il propose 11 émotions et 17 styles contrôlables et clone une voix à partir d'environ 10 secondes d'audio. (lu sur https://platform.stepfun.com/docs/zh/guides/models/audio.md)

- Sortie : 12 février 2026 (selon Artificial Analysis)

## Langues

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

## Ses classements

- Synthèse vocale en anglais, Artificial Analysis : 30e sur 96, Elo 1 136 (intervalle à 95 % : 1 124 à 1 148), 2 679 votes ; prix : 40 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/stepfun (relevé du 19 octobre 2026).

## Modèles proches

- Synthèse vocale en anglais, Artificial Analysis : [Azure HD 2.5](https://quelleia.com/voix/modeles/microsoft-azure-hd-2-5/), 29e (1 137), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [Async Pro v1.0](https://quelleia.com/voix/modeles/async-pro-v1-0/), 31e (1 129), juste derrière

## 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.

## Noms dans les sources

- Artificial Analysis : Step TTS 2 (Mar 2026)

## Liens

- Page de l'éditeur : https://platform.stepfun.com/docs/zh/guides/models/audio
- L'essayer : https://platform.stepfun.com/docs/zh/api-reference/audio/create-audio

## Pages lues

- https://platform.stepfun.com/docs/zh/guides/models/audio.md (« `step-tts-mini` 的升级版：极简高效设计摒弃传统 speaker/emotion 嵌入模块，通过纯 NTP 实现端到端语音生成，大幅降低系统复杂度。 »), 17/10/2026
- https://platform.stepfun.com/docs/zh/guides/models/audio.md (« 内置 11 种情绪 与 17 种风格 控制，覆盖从温柔甜美到严肃豪爽的多样化表达。 »), 17/10/2026
- https://platform.stepfun.com/docs/zh/guides/models/audio.md (« 仅需约 10 秒参考音频，即可精准复刻音色，并零成本激活全部情绪与风格控制 »), 17/10/2026