StepAudio 3 Realtime vs StepAudio 2.5 Realtime

StepAudio 3 Realtime vs StepAudio 2.5 Realtime एक नज़र में

StepAudio 3 Realtime और StepAudio 2.5 Realtime दोनों StepFun के मॉडल हैं, ऑडियो जनरेशन श्रेणी में आते हैं और EmpirioLabs API के ज़रिए उपलब्ध हैं।

मुख्य अंतर

• StepAudio 3 Realtime नई रिलीज़ है (6 अग॰ 2026); StepAudio 2.5 Realtime 16 जुल॰ 2026 को रिलीज़ हुआ था।
• दोनों मॉडलों की कॉन्टेक्स्ट विंडो 256K टोकन की है।

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: विशेषताएं

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: API की कीमतें

दोनों मॉडलों के लिए EmpirioLabs कैटलॉग की लाइव दरें। हर दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: API के पैरामीटर

EmpirioLabs पर हर मॉडल के लिए सूचीबद्ध रिक्वेस्ट पैरामीटर, और जहां लागू हो वहां मान्य मान या सीमा। डैश उस पैरामीटर को दिखाता है जो मॉडल के लिए सूचीबद्ध नहीं है।

StepAudio 3 Realtime vs StepAudio 2.5 Realtime: सीमाएं और नोट्स

StepAudio 3 Realtime

wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime पर वेबसॉकेट पर पूर्ण-डुप्लेक्स आवाज, साधारण प्राधिकरण वाहक हेडर के साथ प्रमाणित। ऑडियो pcm16 अंदर और बाहर है। मॉडल बोलते समय सुनता है, इसलिए इसे मध्य-उत्तर में बाधित किया जा सकता है, और सर्वर-साइड वॉयस गतिविधि का पता लगाने से पता चलता है कि कब जवाब देना है। पहले ऑडियो से पहले session.update के साथ आवाज सेट करें; एक बार मॉडल के बोलने के बाद इसे बदला नहीं जा सकता है, और केवल सात सूचीबद्ध आवाज़ें स्वीकार की जाती हैं। बातचीत केवल चीनी और अंग्रेजी है। एक सत्र को उसकी लंबाई के आधार पर बिल किया जाता है, जब तक कि यह खुलता है जब तक कि यह बंद नहीं हो जाता, पूरे सेकंड में, आंशिक सेकंड को पूर्ण सेकंड के रूप में गिना जाता है। यह मॉडल पूर्वावलोकन में है और इसकी क्षमताएं बदल सकती हैं।

StepAudio 2.5 Realtime

wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-2-5-realtime पर WebSocket पर पूर्ण-डुप्लेक्स आवाज, साधारण प्राधिकरण वाहक हेडर के साथ प्रमाणित। ऑडियो pcm16 अंदर और बाहर है। मॉडल बोलते समय सुनता है, इसलिए इसे मध्य-उत्तर में बाधित किया जा सकता है, और सर्वर-साइड वॉयस एक्टिविटी डिटेक्शन यह तय करता है कि कब जवाब देना है। पहले ऑडियो से पहले session.update के साथ आवाज सेट करें; एक बार मॉडल के बोलने के बाद इसे बदला नहीं जा सकता है, और केवल सात सूचीबद्ध आवाज़ें स्वीकार की जाती हैं। बातचीत केवल चीनी और अंग्रेजी है। प्रत्येक पूर्ण मोड़ को मॉडल रिपोर्ट के उपयोग से अपने आप बिल किया जाता है।

StepAudio 3 Realtime और StepAudio 2.5 Realtime को कैसे कॉल करें

StepAudio 3 Realtime HTTP एंडपॉइंट के बजाय wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime पर एक WebSocket के ज़रिए लाइव बातचीत करता है। मॉडल id stepaudio-3-realtime के साथ कनेक्ट करें और हैंडशेक पर अपनी EmpirioLabs API key को Authorization: Bearer हेडर के रूप में भेजें। ऑडियो दोनों दिशाओं में base64 16-bit PCM के रूप में जाता है। ब्राउज़र WebSocket पर हेडर सेट नहीं कर सकता, इसलिए यह कनेक्शन अपने सर्वर से खोलें और ऑडियो को अपने सॉकेट के ज़रिए ब्राउज़र तक पहुँचाएँ। दोनों मॉडल एक ही एंडपॉइंट से कॉल किए जाते हैं। model को stepaudio-3-realtime या stepaudio-2-5-realtime पर सेट करें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।

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: आम सवाल

StepAudio 3 Realtime और StepAudio 2.5 Realtime में क्या अंतर है?

StepAudio 3 Realtime नई रिलीज़ है (6 अग॰ 2026); StepAudio 2.5 Realtime 16 जुल॰ 2026 को रिलीज़ हुआ था। दोनों मॉडलों की कॉन्टेक्स्ट विंडो 256K टोकन की है। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।

StepAudio 3 Realtime और StepAudio 2.5 Realtime में से नया कौन सा है?

StepAudio 3 Realtime नई रिलीज़ है (6 अग॰ 2026); StepAudio 2.5 Realtime 16 जुल॰ 2026 को रिलीज़ हुआ था।

StepAudio 3 Realtime और StepAudio 2.5 Realtime में से किसकी दर कम है?

दोनों मॉडलों की कीमत अलग इकाइयों या स्तरों पर तय होती है, इसलिए इस पेज की लाइव दर तालिकाओं की तुलना करें। वे हमेशा API की वास्तविक बिलिंग से मेल खाती हैं।

क्या मैं अपना इंटीग्रेशन दोबारा बनाए बिना StepAudio 3 Realtime और StepAudio 2.5 Realtime के बीच बदल सकता हूं?

हां। दोनों मॉडल एक ही EmpirioLabs API key के साथ WEBSOCKET /v1/realtime इस्तेमाल करते हैं, इसलिए ज़्यादातर इंटीग्रेशन सिर्फ model मान बदलकर स्विच हो जाते हैं। अगर आप किसी मॉडल-विशेष पैरामीटर पर निर्भर हैं तो पहले इस पेज की पैरामीटर तालिका देखें।

क्या मैं इंटीग्रेट करने से पहले ब्राउज़र में StepAudio 3 Realtime और StepAudio 2.5 Realtime आज़मा सकता हूं?

हां। हर मॉडल को EmpirioLabs playground में खोलें और Start session दबाकर इसे अपने ब्राउज़र में आज़माएं।