Este modelo de voz incluso puede captar microexpresiones, millones de combinaciones de personalidades, en el futuro los presentadores virtuales serán difíciles de distinguir entre lo real y lo falso.

StepAudio 2.5 Realtime es un modelo de voz en tiempo real que puede reconocer características paralingüísticas como tono, velocidad, pausas y microexpresiones. A través de la API, se puede integrar una personalidad personalizada, establecer rasgos de carácter, historia de fondo y estilo de lenguaje, con más de diez mil opciones de personalidades nativas, combinaciones que alcanzan millones de características. Incluye 5 personalidades predefinidas, ajustadas mediante RLHF, que mantienen la coherencia incluso en escenarios complejos de interpretación de roles, y soporta chino e inglés.