> ## 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 Realtime
> 活人感实时语音大模型 · 全维度人设自定义 + 副语言感知
真正具备"活人感"的实时语音大模型。全维度打造专属人设，连每一次呼吸和轻笑都不掉戏。继承 [StepAudio 2.5 TTS](/zh/guides/models/stepaudio-2.5-tts) 表现力，结合行业顶级副语言感知，瞬间读懂语气中的迟疑与轻笑，极速输出契合度拉满的高情商反馈。
访问体验中心，感受双向语音对话效果。
查看最小可运行的 WebSocket 调用示例。
Step Plan 订阅用户可直接使用。
## 关键信息
端到端实时语音
语音输入 / 语音输出
WebSocket
## 核心能力
不再是冰冷的 AI，而是有脾气、有态度、懂接梗的鲜活搭子，为你带来最自然、好玩的陪伴体验。
实现对话智商与情商的双重跃升。深度理解复杂语意、机智抛梗，输出契合度拉满的高情商反馈。
具备行业顶级副语言感知力——瞬间读懂语气中的迟疑与轻笑，无需用户明说就能精准捕捉情绪。
真正实现"全维灵魂捏脸"，彻底打破预设模板束缚。支持细颗粒度定义性格特征、专属口癖与情绪边界。
全面继承 StepAudio 2.5 TTS 能力，实现"Global 全局场景定调"与"句内细节雕琢"的双重能力，发声时自然融入轻笑、叹息等真实细节。
支持音色复刻——上传参考音频获取自定义 voiceid，复刻效果与 StepAudio 2.5 TTS 相当，可用 TTS 试听复刻效果。
## 适用场景
情感陪伴、日常交流、百科问答、任务助手等日常实时沟通交互对话全场景。
## API 端点
`WebSocket /v1/realtime`
建立 WebSocket 连接，通过 Client / Server Event 完成双向语音交互。
## 定价
| 计费项 | 单价 |
| :-------- | :------------------- |
| 输入（缓存未命中） | **10 元 / 1M tokens** |
| 输入（缓存命中） | **2 元 / 1M tokens** |
| 输出 | **70 元 / 1M tokens** |
[查看完整定价详情 →](/zh/guides/pricing/details)
## 快速上手
```python theme={null}
import json
import websocket
headers = {
"Authorization": "Bearer YOUR_STEP_API_KEY"
}
def on_open(ws):
ws.send(json.dumps({
"event_id": "event_001",
"type": "session.update",
"session": {
"modalities": ["text", "audio"],
"instructions": "你是有耐心的陪伴搭子，回答自然、温暖、有人情味。允许使用轻笑、叹息等副语言信号。",
"voice": "linjiajiejie",
"input_audio_format": "pcm16",
"output_audio_format": "pcm16",
"turn_detection": {
"type": "server_vad",
"prefix_padding_ms": 500
}
}
}))
def on_message(ws, message):
print(message)
if __name__ == "__main__":
ws = websocket.WebSocketApp(
"wss://api.stepfun.com/v1/realtime?model=stepaudio-2.5-realtime",
header=headers,
on_open=on_open,
on_message=on_message,
)
ws.run_forever()
```
建连成功后，发送 `session.update` 配置会话；通过 `input_audio_buffer.append` 持续追加音频帧；ServerVAD 检测到说话结束自动触发推理，模型以 `response.audio.delta` 流式返回语音。
## 相关资源
返回语音大模型概览页，查看所有 TTS / ASR / 实时语音模型。
查看完整事件协议、参数与响应。
可用 TTS 试听音色复刻效果。
Step Plan 订阅下的实时语音对话路径。