Эта модель распознавания речи может даже улавливать микровыражения, миллионы комбинаций личностей, в будущем виртуальные ведущие, вероятно, станут трудно отличимы от настоящих.

StepAudio 2.5 Realtime — это модель для распознавания речи в реальном времени, способная определять такие параязыковые характеристики, как интонация, скорость речи, паузы и микроэкспрессии. Через API можно подключать настраиваемые личности, задавать характер, фоновые истории и стиль речи, имея более десяти тысяч вариантов исходных личностей, а комбинации могут достигать миллионов характеристик. Встроены 5 предустановленных личностей, откалиброванных с помощью RLHF, что позволяет сохранять последовательность даже в сложных сценариях ролевых игр, поддерживаются китайский и английский языки.