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.
Step Plan 除推理大模型外，还支持 语音合成 (TTS) 与 语音识别 (ASR) 两类语音模型通过专属路径接入。所有请求统一使用 /step_plan/v1/... 路径前缀，域名固定为 https://api.stepfun.com。
前置条件
- 已订阅 Step Plan 套餐
- 已获取 API Key
支持的模型
| 类别 | 模型 | 说明 |
|---|
| 实时语音对话 | stepaudio-2.5-realtime | 端到端实时语音对话模型，承接 StepAudio 2.5 TTS 表现力，支持音色复刻、人设定制与极低延迟交互 |
| 语音对话 | stepaudio-2.5-chat | 端到端对话大模型，文本输入、文本返回，支持千万人设完全自定义与高情商副语言感知 |
| 语音合成 | stepaudio-2.5-tts | 基于语境理解的新一代 Contextual TTS，支持全局语境 + 文中语境双档控制，生成具有呼吸感、轻重主次、情绪弧线的真人级表达 |
| 语音识别 | stepaudio-2.5-asr | 新一代流式 ASR 模型，4B MTP 架构，面向准实时转写场景，在低延迟下保持高识别准确率 |
语音合成 (TTS)
非流式 / WebSocket 流式 / 音色试听 / 音色复刻
语音识别 (ASR)
HTTP + SSE 流式返回识别文本
实时语音对话
接口路径
| 能力 | 请求方式 | Step Plan 路径 |
|---|
| 双向实时语音 | WebSocket | wss://api.stepfun.com/step_plan/v1/realtime |
计费说明
计费逻辑与开放平台一致，最终按开放平台实际计费金额折算为 Step Plan 总额度消耗。具体单价请参考 定价与限速。
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",
"voice": "linjiajiejie",
"input_audio_format": "pcm16",
"output_audio_format": "pcm16"
}
}))
def on_message(ws, message):
print(message)
if __name__ == "__main__":
ws = websocket.WebSocketApp(
# Step Plan 使用 /step_plan/v1 路径
"wss://api.stepfun.com/step_plan/v1/realtime?model=stepaudio-2.5-realtime",
header=headers,
on_open=on_open,
on_message=on_message,
)
ws.run_forever()
语音对话
接口路径
| 能力 | 请求方式 | Step Plan 路径 |
|---|
| 文本对话补全 | POST | https://api.stepfun.com/step_plan/v1/chat/completions |
计费说明
计费逻辑与开放平台一致，最终按开放平台实际计费金额折算为 Step Plan 总额度消耗。具体单价请参考 定价与限速。
curl -X POST 'https://api.stepfun.com/step_plan/v1/chat/completions' \
-H 'Content-Type: application/json' \
-H "Authorization: Bearer $STEP_API_KEY" \
-d '{
"model": "stepaudio-2.5-chat",
"modalities": ["text"],
"messages": [
{"role": "user", "content": "今天心情有点闷，陪我聊聊"}
]
}'
from openai import OpenAI
client = OpenAI(
api_key="YOUR_STEP_API_KEY",
base_url="https://api.stepfun.com/step_plan/v1",
)
response = client.chat.completions.create(
model="stepaudio-2.5-chat",
modalities=["text"],
messages=[
{"role": "user", "content": "今天心情有点闷，陪我聊聊"}
],
)
print(response.choices[0].message.content)
语音合成
接口路径
| 能力 | 请求方式 | Step Plan 路径 |
|---|
| 非流式语音合成 | POST | https://api.stepfun.com/step_plan/v1/audio/speech |
| 流式语音合成 | WebSocket | wss://api.stepfun.com/step_plan/v1/realtime/audio |
| 音色试听 | POST | https://api.stepfun.com/step_plan/v1/audio/voices/preview |
| 音色复刻 | POST | https://api.stepfun.com/step_plan/v1/audio/voices |
计费说明
计费逻辑与开放平台一致，最终按开放平台实际计费金额折算为 Step Plan 总额度消耗。具体单价请参考 定价与限速。
curl
Python (OpenAI SDK)
Python (WebSocket 流式)
curl -X POST 'https://api.stepfun.com/step_plan/v1/audio/speech' \
-H 'Content-Type: application/json' \
-H "Authorization: Bearer $STEP_API_KEY" \
-d '{
"model": "stepaudio-2.5-tts",
"input": "今天天气不错，适合出去走走。",
"voice": "cixingnansheng",
"instruction": "语气温柔，语速偏慢",
"response_format": "mp3"
}' \
--output speech.mp3
from openai import OpenAI
client = OpenAI(
api_key="YOUR_STEP_API_KEY",
base_url="https://api.stepfun.com/step_plan/v1",
)
response = client.audio.speech.create(
model="stepaudio-2.5-tts",
input="今天天气不错，适合出去走走。",
voice="cixingnansheng",
extra_body={
"instruction": "语气温柔，语速偏慢",
},
)
response.stream_to_file("speech.mp3")
import websocket
import rel
import json
headers = {
"Authorization": "Bearer YOUR_STEP_API_KEY"
}
def get_start_event(sid):
return json.dumps({
"type": "tts.create",
"data": {
"session_id": sid,
"voice_id": "cixingnansheng",
"response_format": "wav",
"volume_ratio": 1.0,
"speed_ratio": 1.0,
"sample_rate": 16000,
"instruction": "语气温柔，语速偏慢"
},
})
def on_message(ws, message):
data = json.loads(message)
session_id = data["data"]["session_id"]
event_type = data["type"]
if event_type == "tts.connection.done":
ws.send(get_start_event(session_id))
print(message)
def on_error(ws, error):
print(error)
if __name__ == "__main__":
ws = websocket.WebSocketApp(
# Step Plan 使用 /step_plan/v1 路径
"wss://api.stepfun.com/step_plan/v1/realtime/audio?model=stepaudio-2.5-tts",
header=headers,
on_message=on_message,
on_error=on_error,
)
ws.run_forever(dispatcher=rel, reconnect=5)
rel.signal(2, rel.abort)
rel.dispatch()
语音识别
接口路径
| 能力 | 请求方式 | Step Plan 路径 |
|---|
| 语音识别（流式返回文本） | POST | https://api.stepfun.com/step_plan/v1/audio/asr/sse |
能力限制
当前 stepaudio-2.5-asr 在 Step Plan 下仅支持 HTTP + SSE 调用方式，与开放平台一致——该模型本身不提供 WebSocket 接口。
计费说明
计费逻辑与开放平台一致，最终按开放平台实际计费金额折算为 Step Plan 总额度消耗。具体单价请参考 定价与限速。
curl -X POST 'https://api.stepfun.com/step_plan/v1/audio/asr/sse' \
-H 'Content-Type: application/json' \
-H 'Accept: text/event-stream' \
-H "Authorization: Bearer $STEP_API_KEY" \
-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
}
}
}
}'
