stepfun-ai

/

Step-Audio-R1.1

like 179

Follow

StepFun 2.61k

Request code:

from openai import OpenAI
import base64

client = OpenAI(base_url="http://localhost:9999/v1", api_key="EMPTY")

wav_path = "/path/to/audio.wav"
with open(wav_path, "rb") as f:
    b64 = base64.b64encode(f.read()).decode("utf-8")

resp = client.chat.completions.create(
    model="Step-Audio-R1.1",
    messages=[{
        "role": "user",
        "content": [
            {"type": "text", "text": "请转写并总结这段音频："},
            {"type": "input_audio", "input_audio": {"data": b64, "format": "wav"}}
        ]
    }],
    stream=True
)

for chunk in resp:
    print(chunk.choices[0].delta.content, end="", flush=True)

The model output looks like this:

.....
**总结：**  
说话者表示已理解情况，并同意当前方案或决定，准备结束对话或行动。

**转写：**  
“那我知道了，可以，就这样吧。”  

**总结：**  
说话者表示已理解情况，并同意当前方案或决定，准备结束对话或行动。

**转写：**  
“那我知道了，可以，就这样吧。”  

**总结：**  
说话者表示已理解情况，并同意当前方案或决定，准备结束对话或行动。

**转写：**  
“那我知道了，可以，就这样吧。”  

**总结：**  
说话者表示已理解情况，并同意当前方案或决定，准备结束对话或行动。

**转写：**  
“那我知道了，可以，就这样吧。”  

**总结：**  
说话者表示已理解情况，并同意当前方案或决定，准备结束对话或行动。
......