StepAudio 3 Realtime vs StepAudio 2.5 Realtime

StepAudio 3 Realtime vs StepAudio 2.5 Realtime 概览

StepAudio 3 Realtime 和 StepAudio 2.5 Realtime 都是 StepFun 的模型，属于音频生成类别，可通过 EmpirioLabs API 使用。

主要区别

• StepAudio 3 Realtime 发布更晚（2026年8月6日）；StepAudio 2.5 Realtime 发布于 2026年7月16日。
• 两个模型的上下文窗口都是 256K 个 token。

StepAudio 3 Realtime vs StepAudio 2.5 Realtime：规格

StepAudio 3 Realtime vs StepAudio 2.5 Realtime：API 价格

两个模型在 EmpirioLabs 目录中的实时价格。每张价格表始终与 API 的实际计费一致。

StepAudio 3 Realtime vs StepAudio 2.5 Realtime：API 参数

每个模型在 EmpirioLabs 上列出的请求参数，以及适用的可选值或范围。短横线表示该模型未列出此参数。

StepAudio 3 Realtime vs StepAudio 2.5 Realtime：限制与说明

StepAudio 3 Realtime

通过 wss@api.empiriolabs.ai/v1/realtime？model=stepaudio-3-realtime 的 WebSocket 进行全双工语音，并用普通授权承载者头进行认证。音频为 pcm16 输入输出。模型在说话时会监听，因此可以在回复中途中断，服务器端的语音活动检测决定何时应答。在第一个音频之前设置语音为 session.update;模型说完后无法更改语音，且仅接受列出的七个语音。对话仅支持中文和英语。会话按其长度计费，从开启到关闭，计费为整秒，部分秒计为整秒。该模型处于预览阶段，功能可能会有所变化。

StepAudio 2.5 Realtime

通过 wss@api.empiriolabs.ai/v1/realtime？model=stepaudio-2-5-realtime 的 WebSocket 进行全双工语音，并用普通授权承载者头进行认证。音频输入输出为 pcm16。模型在说话时会监听，因此可以在回复中途被打断，服务器端的语音活动检测决定何时应答。在第一个音频之前设置语音 session.update;模型说完后无法更改语音，且仅接受列出的七个语音。对话仅支持中文和英语。每完成一回合就根据模型报告的使用情况单独计费。

如何调用 StepAudio 3 Realtime 和 StepAudio 2.5 Realtime

StepAudio 3 Realtime 通过 wss://api.empiriolabs.ai/v1/realtime?model=stepaudio-3-realtime 的 WebSocket 进行实时对话，而不是通过 HTTP 端点。使用模型 id stepaudio-3-realtime 连接，并在握手时将 EmpirioLabs API 密钥作为 Authorization: Bearer 请求头发送。音频以 base64 编码的 16 位 PCM 双向传输。 浏览器无法为 WebSocket 设置请求头，请从你的服务器发起该连接，再通过你自己的 socket 把音频转发给浏览器。 两个模型通过同一个端点调用。将 model 设为 stepaudio-3-realtime 或 stepaudio-2-5-realtime。 在EmpirioLabs 控制台获取 API 密钥。

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：常见问题

StepAudio 3 Realtime 和 StepAudio 2.5 Realtime 有什么区别？

StepAudio 3 Realtime 发布更晚（2026年8月6日）；StepAudio 2.5 Realtime 发布于 2026年7月16日。 两个模型的上下文窗口都是 256K 个 token。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。

StepAudio 3 Realtime 和 StepAudio 2.5 Realtime 哪个更新？

StepAudio 3 Realtime 发布更晚（2026年8月6日）；StepAudio 2.5 Realtime 发布于 2026年7月16日。

StepAudio 3 Realtime 和 StepAudio 2.5 Realtime 哪个价格更低？

两个模型按不同的单位或档位计价，请比较本页的实时价格表。价格表始终与 API 的实际计费一致。

可以在不重构集成的情况下在 StepAudio 3 Realtime 和 StepAudio 2.5 Realtime 之间切换吗？

可以。两个模型都使用 WEBSOCKET /v1/realtime 和同一个 EmpirioLabs API 密钥，大多数集成只需更改 model 值即可切换。如果依赖某个模型特有的参数，请先查看本页的参数表。

集成之前可以在浏览器里试用 StepAudio 3 Realtime 和 StepAudio 2.5 Realtime 吗？

可以。在EmpirioLabs Playground中分别打开两个模型并点击 Start session，即可在浏览器中试用。