> ## 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
> 基于 4B MTP 的极速语音识别模型
`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。
访问官方 Demo 页面，快速感受模型效果。
查看最小可运行的 curl 调用示例。
Step Plan 订阅用户可直接使用。
## 关键信息
4B MTP
≈ 0.0053
转写 1 小时音频约需 19 秒
0.15 元 / 小时
## 核心能力
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。
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 通过 SSE 接入，模型字符串为 `stepaudio-2.5-asr`：
`POST /v1/audio/asr/sse`
一次性提交音频 Base64 数据，服务端通过 SSE 流式返回识别文本。支持 PCM / OGG / MP3 / WAV，支持中英文识别，支持 `enable_itn`、`enable_timestamp` 参数。
## 定价
| 计费项 | 单价 |
| :----- | :-------------- |
| API 调用 | **0.15 元 / 小时** |
仅为上代 `step-asr` 系列的 1/10。Step Plan 用户可直接使用。具体规则见 [定价与限速](/zh/guides/pricing/details)。
## 快速上手
```bash theme={null}
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
产品 Demo 页面。
模型卡，查看架构与评测细节。
查看完整参数、响应事件、错误处理。
Step Plan 订阅下的 ASR 调用路径。