Este modelo de voz consegue captar até microexpressões, com milhões de combinações de personalidades, no futuro os apresentadores virtuais vão ser difíceis de distinguir do real ou do falso.

StepAudio 2.5 Realtime é um modelo de voz em tempo real que consegue reconhecer características de linguagem secundária, como tom, velocidade, pausas e microexpressões. Através da API, é possível integrar personalidades personalizadas, definir traços de personalidade, histórias de fundo e estilos de linguagem, com mais de dez mil opções de personalidades nativas, podendo combinar até milhões de características. Possui 5 personalidades predefinidas, ajustadas com RLHF, que mantêm a consistência mesmo em cenários complexos de interpretação de papéis, suportando chinês e inglês.