StepAudio 3 Realtime vs StepAudio 2.5 Realtime

StepAudio 3 Realtime vs StepAudio 2.5 Realtime en un coup d'œil

StepAudio 3 Realtime et StepAudio 2.5 Realtime sont deux modèles StepFun de la catégorie Production audio, disponibles via l'API EmpirioLabs.

Différences clés

• StepAudio 3 Realtime est la version la plus récente (6 août 2026) ; StepAudio 2.5 Realtime est sorti le 16 juil. 2026.
• Les deux modèles ont une fenêtre de contexte de 256K tokens.

StepAudio 3 Realtime vs StepAudio 2.5 Realtime : caractéristiques

StepAudio 3 Realtime vs StepAudio 2.5 Realtime : tarifs de l'API

Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.

StepAudio 3 Realtime vs StepAudio 2.5 Realtime : paramètres de l'API

Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.

StepAudio 3 Realtime vs StepAudio 2.5 Realtime : limites et notes

StepAudio 3 Realtime

Voix full-duplex via WebSocket à wss://api.empiriolabs.ai/v1/realtime ?model=stepaudio-3-realtime, authentifiée avec l’en-tête Authorization Bearer ordinaire. L’audio est pcm16 en entrée et sortie. Le modèle écoute pendant qu’il parle, ce qui peut être interrompu en plein milieu de la réponse, et la détection d’activité vocale côté serveur décide quand répondre. Définir la voix avec session.update avant le premier audio; elle ne peut pas être modifiée une fois que le modèle a parlé, et seules les sept voix listées sont acceptées. La conversation est uniquement en chinois et en anglais. Une session est facturée en fonction de sa durée, de l’ouverture jusqu’à sa fermeture, en secondes entières, avec une seconde partielle comptée comme une seconde complète. Ce modèle est en prévisualisation et ses capacités peuvent changer.

StepAudio 2.5 Realtime

Voix full-duplex via WebSocket à wss://api.empiriolabs.ai/v1/realtime ?model=stepaudio-2-5-realtime, authentifiée avec l’en-tête Authorization Bearer ordinaire. L’audio est pcm16 en entrée et sortie. Le modèle écoute pendant qu’il parle, ce qui peut être interrompu en plein milieu de la réponse, et la détection d’activité vocale côté serveur décide quand répondre. Définir la voix avec session.update avant le premier audio; elle ne peut pas être modifiée une fois que le modèle a parlé, et seules les sept voix listées sont acceptées. La conversation est uniquement en chinois et en anglais. Chaque tour complet est facturé séparément selon l’utilisation rapportée par le modèle.

Comment appeler StepAudio 3 Realtime et StepAudio 2.5 Realtime

StepAudio 3 Realtime tient une conversation en direct via un WebSocket sur wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime, et non via les endpoints HTTP. Connectez-vous avec l'id de modèle stepaudio-3-realtime et envoyez votre clé API EmpirioLabs dans un en-tête Authorization: Bearer lors du handshake. L'audio circule dans les deux sens en PCM 16 bits encodé en base64. Un navigateur ne peut pas définir d'en-têtes sur un WebSocket : ouvrez donc cette connexion depuis votre serveur et relayez l'audio vers le navigateur via votre propre socket. Les deux modèles s'appellent via le même endpoint. Définissez model sur stepaudio-3-realtime ou stepaudio-2-5-realtime. Obtenez une clé API depuis le tableau de bord EmpirioLabs.

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 : questions fréquentes

Quelle est la différence entre StepAudio 3 Realtime et StepAudio 2.5 Realtime ?

StepAudio 3 Realtime est la version la plus récente (6 août 2026) ; StepAudio 2.5 Realtime est sorti le 16 juil. 2026. Les deux modèles ont une fenêtre de contexte de 256K tokens. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.

Lequel est le plus récent, StepAudio 3 Realtime ou StepAudio 2.5 Realtime ?

StepAudio 3 Realtime est la version la plus récente (6 août 2026) ; StepAudio 2.5 Realtime est sorti le 16 juil. 2026.

Lequel a le tarif le plus bas, StepAudio 3 Realtime ou StepAudio 2.5 Realtime ?

Les deux modèles sont tarifés sur des unités ou des paliers différents : comparez les grilles tarifaires en direct de cette page. Elles correspondent toujours à ce que l'API facture.

Puis-je passer de StepAudio 3 Realtime à StepAudio 2.5 Realtime sans reconstruire mon intégration ?

Oui. Les deux modèles utilisent WEBSOCKET /v1/realtime avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.

Puis-je essayer StepAudio 3 Realtime et StepAudio 2.5 Realtime dans le navigateur avant d'intégrer ?

Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et appuyez sur Start session pour l'essayer dans votre navigateur.