StepAudio 2.5 기술 보고서

StepAudio 2.5는 이해와 생성을 하나로 묶은 통합 오디오-언어 모델이다.

보고서는 작업별 RLHF와 특화된 디코딩으로 ASR, TTS, 실시간 음성 상호작용 성능을 높였다고 설명한다.

음성 인식, 음성 합성, 대화 분야의 표준 벤치마크에서 최고 성과를 냈다고 주장한다.

검증된다면 개별 음성 모델을 대체하거나 줄여 배포를 단순화할 수 있다.