هذه النموذج الصوتي يمكنه التقاط حتى التعبيرات الدقيقة، وملايين تركيبات الشخصيات، في المستقبل قد يصبح من الصعب التمييز بين الحقيقي والمزيف في المذيعين الافتراضيين

StepAudio 2.5 Realtime هو نموذج صوتي فوري يمكنه التعرف على خصائص اللغة الثانوية مثل النغمة، سرعة الكلام، التوقفات، والتعبيرات الدقيقة. من خلال واجهة برمجة التطبيقات يمكن ربط شخصية مخصصة، وتحديد الشخصية، القصة الخلفية، والأسلوب اللغوي، مع وجود الآلاف من الخيارات الأصلية للشخصيات، وتشكيلات تصل إلى ملايين من الميزات. مدمج معه 5 شخصيات افتراضية معدلة بواسطة RLHF، ويمكنه الحفاظ على الاتساق في سيناريوهات لعب الأدوار المعقدة، ويدعم اللغة الصينية والإنجليزية.