# StepAudio 2.5 TTS (Aug 2026)

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

En bref : 14e sur 96 en synthèse vocale en anglais (Artificial Analysis), ex æquo avec 5 autres modèles dont les marges d'erreur se recouvrent.

Page : https://quelleia.com/voix/modeles/stepaudio-2-5-tts-aug-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 piloté par des consignes en langage naturel, à la fois pour l'ensemble d'un passage et phrase par phrase (émotion, pauses, respiration). Il clone une voix à partir d'environ 3 secondes d'audio de référence. (lu sur https://platform.stepfun.ai/docs/en/guides/models/stepaudio-2.5-tts.md, https://platform.stepfun.ai/docs/en/guides/models/audio.md)

- Sortie : 26 août 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 : 14e sur 96, Elo 1 216 (intervalle à 95 % : 1 202 à 1 230), 2 028 votes ; prix : 85 $ 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 : [Luna TTS](https://quelleia.com/voix/modeles/vui-labs-luna-tts/), 13e (1 217), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [Gemini 3.1 Flash TTS](https://quelleia.com/voix/modeles/google-gemini-3-1-flash-tts/), 15e (1 213), 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 : StepAudio 2.5 TTS (Aug 2026)

## Liens

- Page de l'éditeur : https://platform.stepfun.ai/docs/en/guides/models/stepaudio-2.5-tts
- L'essayer : https://audio.stepfun.ai/

## Pages lues

- https://platform.stepfun.ai/docs/en/guides/models/stepaudio-2.5-tts.md (« StepFun's first speech synthesis model to integrate contextual understanding into the entire speech generation pipeline. »), 17/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/audio.md (« Instead of matching preset tags, you describe the delivery you want in natural language, at two levels: »), 17/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/audio.md (« Zero-shot voice cloning**: about 3 seconds of reference audio is enough to clone a voice precisely »), 17/10/2026