多模态见长
多模态
开源
Step-5-Preview
阶跃星辰 · 国内
阶跃第五代预览版，视觉与语音同时做
国内少数把图像、语音、文本放在同一套架构里的团队，视频理解和端到端语音对话是它区别于纯文本模型的地方。适合要做多模态交互产品的场景。
- 视频理解
- 端到端语音
- 多模态统一
- 响应快
适用
多模态交互产品、视频理解、语音助手
1M token
输入
¥324.00
输出
¥324.00