StepAudio 2.5 Realtime: StepFun의 롤플레이 RLHF 탑재 엔드투엔드 실시간 음성 LLM
중국 상하이 AI 스타트업 StepFun이 롤플레이 전용 RLHF와 어조·속도·감정 인식(paralinguistic comprehension)을 탑재한 엔드투엔드 실시간 음성 대형 언어 모델 StepAudio 2.5 Realtime을 발표했다. 10,000개 이상의 고품질 페르소나를 알고리즘으로 백만 규모까지 증강한 데이터로 학습해 캐릭터 일관성을 유지하며, 일반 대화 86.36, 차량 시나리오 84.80, paralinguistic comprehension 82.18 등 전 도메인 벤치마크에서 최고 수준을 기록했다. API는 WebSocket(wss://api.stepfun.com/v1/realtime, 모델명 step-2.5-realtime)으로 제공되며 기술 보고서(arXiv 2605.23463)는 CC BY 4.0으로 공개되었다.
원문 보기