IA · Modelos · StepFun · StepAudio · Voz
StepFun lanza StepAudio 2.5 ASR para transcribir audios de hasta media hora
El modelo aplica predicción de varios tokens al reconocimiento de voz y mantiene un contexto de 32.000 tokens.
Fecha de la fuente original:
Lo esencial
- El modelo aplica predicción de varios tokens al reconocimiento de voz y mantiene un contexto de 32.000 tokens.
Transcripción de audio largo
StepFun anunció la disponibilidad de StepAudio 2.5 ASR en su plataforma para desarrolladores. El modelo de reconocimiento de voz admite, según la compañía, audios completos de hasta 30 minutos mediante una ventana de contexto de 32.000 tokens, sin dividirlos previamente en fragmentos independientes.
Predicción paralela para acelerar el reconocimiento
Su arquitectura incorpora predicción de múltiples tokens y verificación paralela, una técnica que la empresa adapta de sus modelos de lenguaje. El anuncio comunica mejoras internas de velocidad, costo y precisión en pruebas de chino e inglés; esas comparaciones pertenecen al proveedor. El lanzamiento incluye acceso mediante API y un espacio de demostración.