# StepAudio 3 ASR

Éditeur : StepFun (Chine). Poids non précisés.

En bref : 6e sur 51 en transcription en anglais (Artificial Analysis).

Page : https://quelleia.com/voix/modeles/stepaudio-3-asr/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de reconnaissance vocale de StepFun bâti sur un grand modèle de langage, qui s'appuie sur le contexte pour mieux reconnaître noms propres, termes techniques et homophones. Il vise aussi les audios difficiles comme le chuchotement, le chant ou la musique de fond. (lu sur https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-asr.md)

- Sortie : 14 septembre 2026 (selon Artificial Analysis)

## Langues

- Annoncées par l'éditeur : 6 langues, dont le français (en préversion) (zh, en, ja, ko, fr, es).
- Évaluées par nos sources : anglais.
- Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.
- Source des langues annoncées : https://platform.stepfun.ai/docs/en/guides/models/audio.md

## Ses classements

- Transcription en anglais, indice AA-WER : 6e sur 51, taux d'erreur par mot 2,50 % ; prix : 6,67 $ pour 1 000 minutes de parole ; par jeu de test : AA-AgentTalk 2,02 %, Earnings22 4,33 %, VoxPopuli 1,65 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-text/models/stepfun (relevé du 19 octobre 2026).

## Modèles proches

- Transcription en anglais, indice AA-WER : [MAI-Transcribe-1.5](https://quelleia.com/voix/modeles/microsoft-mai-transcribe-1-5/), 5e (2,38 %), juste devant
- Transcription en anglais, indice AA-WER : [Gemini 3.5 Transcribe](https://quelleia.com/voix/modeles/google-gemini-3-5-transcribe/), 7e (2,60 %), juste derrière

## Comment lire ces chiffres

- Transcription : Le taux d'erreur par mot compte les mots mal transcrits, oubliés ou ajoutés, pour cent mots prononcés : plus il est bas, mieux c'est. Chaque tableau vient d'une seule source, sur ses propres enregistrements : deux tableaux ne se comparent pas chiffre à chiffre.

## Noms dans les sources

- Artificial Analysis : StepAudio 3 ASR

## Liens

- Page de l'éditeur : https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-asr
- L'essayer : https://audio.stepfun.ai/

## Pages lues

- https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-asr.md (« StepAudio 3 ASR Max is StepFun's largest ASR model to date. Built on a large language model, it fuses high-precision acoustic modeling with that model's context understanding, knowledge, and reasoning »), 17/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-asr.md (« improve recognition of complex content such as person and place names, drug names, technical terms, and homophones. »), 17/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-asr.md (« supports whispering, very fast speech, slurred liaison, dragged pronunciation, ambient noise, singing, and background music. »), 17/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/audio.md (« TTS and ASR - Chinese, English, Japanese, Korean, French, Spanish »), 17/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/audio.md (« Note: All languages except Chinese and English are in preview. More languages are on the way. »), 17/10/2026