ИИтак
Поиск

← Назад

модель · StepFun · вышла 1 марта

Step TTS 2

Устаревшая модель StepFun для синтеза речи с эмоциями и клонированием голоса, её сменила StepAudio 2.5 TTS

О модели

Step TTS 2 — модель синтеза речи китайской лаборатории StepFun. Она превращает текст в озвучку и доступна через API компании. StepFun описывает её коротко: чистый звук, насыщенные эмоции и голос, похожий на живого человека. Модель говорит по-китайски, по-английски и по-японски, а также справляется с текстом, где китайский и английский перемешаны.

Главное, на чём делает упор лаборатория, — клонирование голоса, то есть создание собственного голоса по образцу записи. StepFun называет качество клонирования в этой модели лучшим в отрасли. Это её собственная оценка. Клонированному голосу доступны все эмоции и стили модели без доплаты.

Звучание можно настраивать. Эмоции задаются явно: радость, грусть, гнев, страх. Есть и манеры подачи, например мягкая, серьёзная, высокомерная или «старческая». Скорость речи регулируется от половины до двукратной, громкость тоже меняется. Такие настройки нужны для озвучки роликов, аудиокниг, голосовых помощников и службы поддержки.

Среди моделей StepFun Step TTS 2 уже не новинка. В апреле 2026 года лаборатория выпустила StepAudio 2.5 TTS. По словам StepFun, новая модель учитывает смысл всего текста, а подачу в ней можно описать обычными словами. В англоязычной документации сейчас описана уже она, а Step TTS 2 там не упоминается. Языков у Step TTS 2 всего три, так что для других языков она не подходит.

источники:Документация StepFun по синтезу речи ↗Документация StepAudio 2.5 TTS ↗

Новости о модели

все упоминания · 10

  1. Маск допустил, что дата-центры SpaceX к концу 2027 года превысят 10 ГВт. В июне — 1,4 ГВт

    Маск допустил, что к концу 2027 года у SpaceX будет больше 10 ГВт мощностей для ИИ, а NVIDIA теперь относит SpaceX не к корпоративным клиентам, а к облачным провайдерам — компаниям, которые сдают вычисления в аренду.

  2. ИИ-центр NVIDIA 200 раз снизил потребление по сигналу энергосети. Как это работает

    В первый раз мощность дата-центра в Санта-Кларе упала с 4 до 3 МВт за счёт отложенных второстепенных задач, а инференс продолжал работать. Людям вмешиваться не пришлось.

Данные: models.dev (MIT).