階躍星辰重磅開源了Step-Audio 2 Mini，這個(gè)消息一出就在開發(fā)者圈子里炸開了鍋。作為一個(gè)技術(shù)測(cè)評(píng)博主，我當(dāng)然要第一時(shí)間上手體驗(yàn)一番。經(jīng)過幾天的折騰，從下載、部署到壓力測(cè)試，這個(gè)號(hào)稱"最強(qiáng)開源語音模型"到底表現(xiàn)如何?能不能用憤怒、溫柔、興奮等不同語氣說繞口令?本地部署的實(shí)時(shí)性又怎么樣?今天就給大家?guī)磉@份詳細(xì)的評(píng)測(cè)報(bào)告。 評(píng)測(cè)機(jī)構(gòu)：至頂AI實(shí)驗(yàn)室 測(cè)評(píng)時(shí)間：2025年09月01日 評(píng)測(cè)產(chǎn)品：Step-Audio 2 mini 主要參數(shù)：Step-Audio 2 Mini是階躍星辰推出的開源語音交互模型，支持中文、英文輸出，甚至還能說一點(diǎn)日語。模型大?。?0GB+、顯存占用：約20GB、測(cè)試環(huán)境：NVIDIA RTX 5200顯卡(32GB顯存) 評(píng)測(cè)主題：部署評(píng)測(cè) 值得一提的是，除了本地部署，用戶也可以直接在官方網(wǎng)頁上體驗(yàn)該模型。我們本次測(cè)試選擇通過GitLab項(xiàng)目進(jìn)行本地部署，以便更深入地了解其性能表現(xiàn)。 評(píng)測(cè)方法：多維度壓力測(cè)試 為了全面評(píng)估Step-Audio 2 Mini的實(shí)際能力，我們?cè)O(shè)計(jì)了以下幾個(gè)測(cè)試場(chǎng)景： 1. 多語言支持測(cè)試 首先測(cè)試了模型的多語言能力。當(dāng)我們用日語詢問"今天的天氣真不錯(cuò)"時(shí)，模型能夠準(zhǔn)確理解并用日語回應(yīng)。不過，生成3秒的音頻內(nèi)容卻用了6秒時(shí)間，這也暴露出本地部署很難做到真正實(shí)時(shí)對(duì)話的問題。 2. 語義理解測(cè)試 在日常對(duì)話場(chǎng)景中，我們提到了"哈瓦那"這個(gè)地點(diǎn)。模型不僅準(zhǔn)確識(shí)別了地理位置，還能自然地延伸話題，提到古巴的風(fēng)情和建筑，甚至還會(huì)主動(dòng)詢問"你是去旅游還是出差呀"。這種上下文理解和對(duì)話延續(xù)能力相當(dāng)出色。 3. 情感語氣測(cè)試(重點(diǎn)) 這是本次評(píng)測(cè)的核心環(huán)節(jié)。我們讓模型用不同的語氣說經(jīng)典繞口令"吃葡萄不吐葡萄皮，不吃葡萄倒吐葡萄皮"。測(cè)試結(jié)果顯示，Step-Audio 2 Mini能夠識(shí)別并模擬多種語氣，包括憤怒、溫柔、興奮等情感色彩，這在開源語音模型中算是相當(dāng)難得的能力。 評(píng)測(cè)結(jié)果：優(yōu)勢(shì)與局限并存 經(jīng)過全方位測(cè)試，Step-Audio 2 Mini展現(xiàn)出了以下特點(diǎn)： 優(yōu)勢(shì)方面： 語言理解能力強(qiáng)，支持中英文及部分日語 語氣情感表達(dá)豐富，能夠根據(jù)指令調(diào)整語調(diào) 上下文連貫性好，對(duì)話體驗(yàn)自然 局限性方面： 本地部署難以實(shí)現(xiàn)真正的實(shí)時(shí)對(duì)話(3秒音頻需6秒生成) 無法使用網(wǎng)頁版的聯(lián)網(wǎng)搜索功能 目前支持的外語種類相對(duì)有限 硬件門檻較高(需20GB顯存) 最終結(jié)論：誰適合用Step-Audio 2 Mini? 綜合來看，Step-Audio 2 Mini在語音交互的語義理解和情感表達(dá)上確實(shí)表現(xiàn)不俗，稱得上是目前開源領(lǐng)域的頂尖水平。但它更像是一個(gè)"技術(shù)展示品"而非"生產(chǎn)力工具"。 我們的建議是： 普通用戶：建議直接使用官方APP，體驗(yàn)更流暢 開發(fā)者：推薦調(diào)用API接口，避免本地部署的繁瑣 企業(yè)用戶：如果有充足的算力資源，可以考慮私有化部署 如果你只是想體驗(yàn)AI語音對(duì)話的魅力，那么網(wǎng)頁版或APP已經(jīng)足夠。但如果你是技術(shù)極客，想要深度定制和研究，那么本地部署這個(gè)模型還是很有價(jià)值的——畢竟，能讓AI用三種語氣說繞口令，這本身就很酷不是嗎?