双重编码器

Step‑Audio‑AQAA 是 StepFun 出品的一款端到端大规模音频–语言模型，支持音频问答任务，从原始音频直接生成自然语音回答，具备情感、语速、方言控制，高保真响应，非常适合 AI 工具使用者构建交互式音频智能系统。