币界网消息，4 月 16 日，据 动察 Beating 监测，阶跃星辰正式发布 StepAudio 2.5 TTS。与需要预设情绪标签的传统 TTS 不同，这一代支持用自然语言描述控制语音的每一处细节：标签只能表达「悲伤」，自然语言可以进一步描述「克制的悲伤、没有哭腔、轻轻发颤」，AI 据此合成对应音色。 控制分三层。全局语境控制设定整段语音的情绪基调和场景氛围，让多轮对话中的角色表达保持连贯；文中语境控制在句子层面调节语气、节奏、停顿、重音和呼吸感，甚至可以刻画角色的心理活动和潜台词；零样本音色复刻无需重新训练，任意参考录音即可仿出音色，情感和风格可独立调节。三项功能已全量上线阶跃星辰开放平台和 Step Plan。 同一天，谷歌也发布了 Gemini 3.1 Flash TTS，同样以自然语言指令替代 SSML 标签实现精细控制，并在第三方评测中登顶。两家在同日用相同思路发版，说明 TTS 的控制范式正在集体从「选标签」转向「说需求」。对有声内容创作者和配音导演来说，以前调情绪要靠反复录制，现在用一句话描述就能定义音色的细腻层次。