* 定位：全方位感官理解与端到端自然交互 * 能力标签：音色复刻、Tool Call、网络搜索 * 体验入口：体验中心 * 在语言方面能够理解中文普通话、中文方言、英语、日语。支持语音复刻（通过上传音色片段实现自定义音色）。在能力方面能够理解环境声音事件、人类副语言和语音中的情绪、根据声音推测用户年龄、理解音乐，能够控制不同的语速、语调和情感进行表达，具备原生的 Tool Call 和 网络搜索 能力。
No supported capabilities recorded.
/v1/models/stepfun/step-audio-2* 定位：全方位感官理解与端到端自然交互 * 能力标签：音色复刻、Tool Call、网络搜索 * 体验入口：体验中心 * 在语言方面能够理解中文普通话、中文方言、英语、日语。支持语音复刻（通过上传音色片段实现自定义音色）。在能力方面能够理解环境声音事件、人类副语言和语音中的情绪、根据声音推测用户年龄、理解音乐，能够控制不同的语速、语调和情感进行表达，具备原生的 Tool Call 和 网络搜索 能力。