> ## Documentation Index
> Fetch the complete documentation index at: https://platform.stepfun.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# StepAudio 2.5 ASR

`stepaudio-2.5-asr` 是 4B 参数的语音识别模型。引入 Multi-Token Prediction（MTP）技术实现单步并行预测多个 Token，在保持 SOTA 转写精度的同时大幅削减串行等待周期——5 分钟音频可在 1 秒内完成转写。

> [card] [在线体验](https://stepaudiollm.github.io/step-audio-2.5-asr/)
>
> 访问官方 Demo 页面，快速感受模型效果。

> [card] [API 快速开始](#快速上手)
>
> 查看最小可运行的 curl 调用示例。

> [card] [Step Plan 接入](https://platform.stepfun.com/docs/zh/step-plan/integrations/audio-api.md)
>
> Step Plan 订阅用户可直接使用。

## 关键信息

> [card] 模型架构
>
> 4B MTP

> [card] 引擎侧 RTF
>
> ≈ 0.0053\
> 转写 1 小时音频约需 19 秒

> [card] API 定价
>
> 0.15 元 / 小时

## 核心能力

> [card] ⚡ 极速推理
>
> 引入 MTP（Multi-Token Prediction）技术，单步并行预测多个 Token，吞吐量较传统 ASR 提升 400%，时延降低 60%，5 分钟音频 1 秒内出完整转写结果。

> [card] 🎯 SOTA 转写精度
>
> 基于 4B 参数深度优化，在新闻、会议、强噪声等多场景下，中英文错误率全面刷新行业基线。

## 适用场景

Voice Agent、大规模转写服务、实时字幕 / 直播。

## API 端点

StepAudio 2.5 ASR 提供四种接入方式：音频转写（同步）、音频文件异步识别、一次性提交的 SSE（均使用模型字符串 `stepaudio-2.5-asr`）与实时双向流式的 WebSocket（模型字符串 `stepaudio-2.5-asr-stream`）。

> [card] [语音识别（流式返回文本）](https://platform.stepfun.com/docs/zh/api-reference/audio/asr-sse.md)
>
> `POST /v1/audio/asr/sse`\
> 一次性提交音频，SSE 流式返回识别文本。

> [card] [流式语音识别（双向流式）](https://platform.stepfun.com/docs/zh/api-reference/audio/asr-stream.md)
>
> `WSS /v1/realtime/asr/stream`\
> WebSocket 实时双向流式，适合对话与会议字幕场景。

> [card] [音频文件识别](https://platform.stepfun.com/docs/zh/api-reference/audio/asr.md)
>
> `POST /v1/audio/asr/file/submit`\
> 提交音频文件异步识别，支持说话人识别与声道分轨。

> [card] [音频转写](https://platform.stepfun.com/docs/zh/api-reference/audio/transcriptions.md)
>
> `POST /v1/audio/transcriptions`\
> 上传音频文件，同步返回完整文本，最简接入方式。

## 定价

| 模型 | 单价 |
| :- | :- |
| `stepaudio-2.5-asr` | **0.15 元 / 小时** |
| `stepaudio-2.5-asr-stream` | **1.2 元 / 小时** |

`stepaudio-2.5-asr` 仅为上代 `step-asr` 系列的 1/10。Step Plan 用户可直接使用。[查看完整定价详情 →](https://platform.stepfun.com/docs/zh/guides/pricing/details.md)

## 快速上手

```bash theme={"theme":{"light":"light-plus","dark":"dark-plus"}}
curl https://api.stepfun.com/v1/audio/asr/sse \
  -H "Authorization: Bearer $STEP_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Accept: text/event-stream" \
  -d '{
    "audio": {
      "data": "base64_encoded_audio",
      "input": {
        "transcription": {
          "model": "stepaudio-2.5-asr",
          "language": "zh",
          "enable_itn": true
        },
        "format": {
          "type": "pcm",
          "codec": "pcm_s16le",
          "rate": 16000,
          "bits": 16,
          "channel": 1
        }
      }
    }
  }'
```

服务端会逐步发送 `transcript.text.delta` 事件并以 `transcript.text.done` 结束。

## 相关资源

> [card] [Demo Page](https://stepaudiollm.github.io/step-audio-2.5-asr/)
>
> 产品 Demo 页面。

> [card] [Model Card](https://stepaudiollm.github.io/step-audio-2.5-asr/model-card/)
>
> 模型卡，查看架构与评测细节。

> [card] [语音识别（流式返回文本）API](https://platform.stepfun.com/docs/zh/api-reference/audio/asr-sse.md)
>
> 查看完整参数、响应事件、错误处理。

> [card] [Step Plan 接入](https://platform.stepfun.com/docs/zh/step-plan/integrations/audio-api.md)
>
> Step Plan 订阅下的 ASR 调用路径。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.