StepAudio 3 Realtime vs StepAudio 2.5 Realtime

StepAudio 3 Realtime vs StepAudio 2.5 Realtime auf einen Blick

StepAudio 3 Realtime und StepAudio 2.5 Realtime sind beide Modelle von StepFun in der Kategorie Audiogeneration und über die EmpirioLabs API verfügbar.

Wichtigste Unterschiede

• StepAudio 3 Realtime ist die neuere Veröffentlichung (6. Aug. 2026); StepAudio 2.5 Realtime erschien am 16. Juli 2026.
• Beide Modelle haben ein Kontextfenster von 256K Token.

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: Spezifikationen

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: API-Preise

Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: API-Parameter

Anfrageparameter, die jedes Modell auf EmpirioLabs angibt, mit den zulässigen Werten oder dem Bereich, wo einer gilt. Ein Strich markiert einen Parameter, den das Modell nicht angibt.

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: Limits und Hinweise

StepAudio 3 Realtime

Full-Duplex-Stimme über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime, authentifiziert mit dem gewöhnlichen Authorization Bearer-Header. Audio ist pcm16 in und out. Das Modell hört während des Sprechens, sodass es mitten in der Antwort unterbrochen werden kann, und die serverseitige Sprachaktivitätserkennung entscheidet, wann geantwortet wird. Stellen Sie die Stimme mit session.update vor dem ersten Audio ein; sie kann nicht mehr geändert werden, sobald das Modell gesprochen hat, und nur die sieben aufgeführten Stimmen werden akzeptiert. Das Gespräch ist ausschließlich auf Chinesisch und Englisch. Eine Sitzung wird nach ihrer Länge berechnet, vom Zeitpunkt der Öffnung bis zum Schließen, in ganzen Sekunden, wobei eine teilweise Sekunde als volle Sekunde gezählt wird. Dieses Modell befindet sich in der Vorschau und seine Fähigkeiten können sich ändern.

StepAudio 2.5 Realtime

Vollduplex-Stimme über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-2-5-realtime, authentifiziert mit dem normalen Authorization Bearer-Header. Audio ist pcm16 in und out. Das Modell hört zu, während es spricht, sodass es mitten in der Antwort unterbrochen werden kann, und die serverseitige Sprachaktivitätserkennung entscheidet, wann es antwortet. Setze die Stimme mit session.update vor dem ersten Audio; sie kann nicht geändert werden, sobald das Modell gesprochen hat, und nur die sieben aufgeführten Stimmen werden akzeptiert. Die Konversation ist nur auf Chinesisch und Englisch. Jede abgeschlossene Runde wird eigenständig anhand der vom Modell gemeldeten Nutzung abgerechnet.

So rufst du StepAudio 3 Realtime und StepAudio 2.5 Realtime auf

StepAudio 3 Realtime führt ein Live-Gespräch über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime, nicht über die HTTP-Endpunkte. Verbinden Sie sich mit der Modell-ID stepaudio-3-realtime und senden Sie Ihren EmpirioLabs-API-Schlüssel beim Handshake als Authorization: Bearer-Header. Audio läuft in beide Richtungen als base64-kodiertes 16-Bit-PCM. Ein Browser kann bei einem WebSocket keine Header setzen. Öffnen Sie diese Verbindung daher von Ihrem Server aus und leiten Sie das Audio über Ihren eigenen Socket an den Browser weiter. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf stepaudio-3-realtime oder stepaudio-2-5-realtime. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.

import asyncio, json, os, websockets

async def main():
    async with websockets.connect(
        "wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime",
        additional_headers=[
            ("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
        ],
        max_size=None,
    ) as ws:
        print(json.loads(await ws.recv())["type"])  # session.created

        await ws.send(json.dumps({
            "type": "conversation.item.create",
            "item": {
                "type": "message",
                "role": "user",
                "content": [{"type": "input_text", "text": "Say hello."}],
            },
        }))
        await ws.send(json.dumps({"type": "response.create"}))

        async for raw in ws:
            event = json.loads(raw)
            if event["type"] == "response.audio.delta":
                ...  # base64 audio chunk, append to your playback buffer
            elif event["type"] == "response.done":
                break

asyncio.run(main())

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: häufige Fragen

Was ist der Unterschied zwischen StepAudio 3 Realtime und StepAudio 2.5 Realtime?

StepAudio 3 Realtime ist die neuere Veröffentlichung (6. Aug. 2026); StepAudio 2.5 Realtime erschien am 16. Juli 2026. Beide Modelle haben ein Kontextfenster von 256K Token. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.

Welches Modell ist neuer, StepAudio 3 Realtime oder StepAudio 2.5 Realtime?

StepAudio 3 Realtime ist die neuere Veröffentlichung (6. Aug. 2026); StepAudio 2.5 Realtime erschien am 16. Juli 2026.

Welches Modell hat den niedrigeren Preis, StepAudio 3 Realtime oder StepAudio 2.5 Realtime?

Die beiden Modelle werden nach unterschiedlichen Einheiten oder Stufen abgerechnet. Vergleiche daher die Live-Preistabellen auf dieser Seite. Sie entsprechen immer dem, was die API berechnet.

Kann ich zwischen StepAudio 3 Realtime und StepAudio 2.5 Realtime wechseln, ohne meine Integration umzubauen?

Ja. Beide Modelle nutzen WEBSOCKET /v1/realtime mit demselben EmpirioLabs API-Schlüssel, die meisten Integrationen wechseln also durch Ändern des model Werts. Prüfe zuerst die Parametertabelle auf dieser Seite, wenn du dich auf einen modellspezifischen Parameter verlässt.

Kann ich StepAudio 3 Realtime und StepAudio 2.5 Realtime im Browser testen, bevor ich integriere?

Ja. Öffne jedes Modell im EmpirioLabs Playground und klicke auf Start session, um es im Browser zu testen.