Fiche · Transcription · relevé du 19 octobre 2026

StepAudio 3 ASR

Poids non précisés
Français annoncé

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

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 platform.stepfun.ai, le 17/10/2026.

Sortie: 14 septembre 2026 selon Artificial Analysis

Page de l'éditeur L'essayer

Langues

Annoncées par l'éditeur : 6 langues, dont le français (en préversion) (zh, en, ja, ko, fr, es). Lu sur platform.stepfun.ai.
Évaluées par nos sources : anglais.
Le français : annoncé par l'éditeur ; pas évalué en français par nos sources.

Son classement

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 · Transcription
Transcription en anglais, indice AA-WER
6e sur 51taux d'erreur par mot 2,50 %
Prix : 6,67 $ pour 1 000 minutes de parolePar jeu de test : AA-AgentTalk 2,02 %, Earnings22 4,33 %, VoxPopuli 1,65 %
Source : Artificial Analysis · relevé du 19 octobre 2026.

Modèles proches

Transcription en anglais, indice AA-WER : devant, MAI-Transcribe-1.5 (5e, 2,38 %) · derrière, Gemini 3.5 Transcribe (7e, 2,60 %)

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.

D'où vient cette fiche

Nom dans les sources: Artificial Analysis : StepAudio 3 ASR
Fiche: Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
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

Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.