# StepAudio 3 Realtime

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

En bref : 1er sur 38 en raisonnement à l'écoute (Big Bench Audio) ; 1er sur 31 en tenue de la conversation (Full Duplex Bench) ; 34e sur 34 au délai avant le premier son.

Page : https://quelleia.com/voix/modeles/stepaudio-3-realtime/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 9 novembre 2026.

## Présentation

Modèle vocal en duplex intégral de StepFun, servi par son API Realtime en préversion gratuite, qui raisonne en parlant et appelle des outils. Il perçoit aussi le ton, l'émotion et les bruits ambiants et gère les interruptions et les relances. (lu sur https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-realtime.md)

## Langues

- Annoncées par l'éditeur : chinois et anglais (zh, en).
- Évaluées par nos sources : anglais.
- Le français : absent des langues annoncées 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

- Raisonnement à l'écoute, Big Bench Audio : 1er sur 38, part de réussite 99,7 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).
- Tenue de la conversation, Full Duplex Bench : 1er sur 31, part de réussite 98,9 %. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).
- Délai avant le premier son : 34e sur 34, délai avant le premier son 8,84 s. Source : Artificial Analysis, https://artificialanalysis.ai/speech-to-speech (relevé du 9 novembre 2026).

## Modèles proches

- Raisonnement à l'écoute, Big Bench Audio : [Qwen Audio 3.0 Realtime Plus](https://quelleia.com/voix/modeles/alibaba-qwen-audio-3-0-realtime-plus/), 2e (99,2 %), juste derrière
- Tenue de la conversation, Full Duplex Bench : [Qwen Audio 3.0 Realtime Plus](https://quelleia.com/voix/modeles/alibaba-qwen-audio-3-0-realtime-plus/), 2e (98,4 %), juste derrière
- Délai avant le premier son : [Qwen3 Omni 30B A3B Instruct (flash)](https://quelleia.com/voix/modeles/alibaba-qwen3-omni-30b-a3b-instruct-flash/), 33e (4,82 s), juste devant

## 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.

## Noms dans les sources

- Artificial Analysis (voix à voix) : StepAudio 3 Realtime

## Liens

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

## Pages lues

- https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-realtime.md (« Capabilities: natural human-like interaction, full-duplex dialogue, adaptive reasoning, think-while-speaking, Voice Agent »), 23/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-realtime.md (« It recognizes not only what the user says, but also tone, emotion, paralinguistic cues, and ambient sound. »), 23/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/stepaudio-3-realtime.md (« `stepaudio-3-realtime-preview` is the model name used during the free-trial period. »), 23/10/2026
- https://platform.stepfun.ai/docs/en/guides/models/audio.md (« Realtime - Chinese, English »), 23/10/2026