阶跃星辰

使用 Step Audio Realtime 构建端到端实时语音 Agent

支持能力

Realtime：Step Audio 端到端实时语音，默认模型为 stepaudio-2.5-realtime。
模型直接处理音频输入、文本与音频输出、轮次检测和工具调用。
插件不单独提供 STT、文本 LLM 或 TTS 组件。

安装与密钥

快速接入

代码示例

from livekit.agents import Agent, AgentSession
from livekit.plugins import stepfun

session = AgentSession(
    llm=stepfun.RealtimeModel(
        model="stepaudio-2.5-realtime",
        voice="ganliannvsheng",
        modalities=["text", "audio"],
        temperature=0.8,
    )
)

await session.start(
    room=ctx.room,
    agent=Agent(instructions="你是一个友好的中文语音助手。"),
)

主要参数

参数	类型	默认值	说明
`model`	`str`	`stepaudio-2.5-realtime`	实时语音模型
`voice`	`str`	`ganliannvsheng`	平台音色 ID
`modalities`	文本 / 音频列表	文本 + 音频	输出模态
`temperature`	`float`	插件默认值	生成随机性
`turn_detection`	配置或 `None`	服务端 VAD	轮次检测
`speed`	`float \| None`	`None`	合成语速
`base_url`	`str`	官方 Realtime 地址	自定义端点
`max_session_duration`	秒数或 `None`	20 分钟	主动回收连接

音色列表和实时协议可能随平台更新，请以阶跃星辰 Realtime API 文档为准。

注意事项

Realtime 模式不再单独配置 STT 与 TTS。
turn_detection=None 表示由调用方手动提交音频，不等于“关闭用户输入”。
工具返回后仍由实时模型生成语音回复；业务工具本身只返回结构化结果。
API Key 缺失时连接会鉴权失败，建议在启动阶段主动校验环境变量。

建议修改

插件

支持能力

安装与密钥

快速接入

主要参数

注意事项