一、端到端语音大模型的技术演进与Step-Audio 2 mini的定位 传统语音交互系统通常由ASR（语音识别）、NLP（自然语言处理）、TTS（语音合成）三个独立模块串联构成，这种”管道式”架构存在误差累积、上下文断裂等问……
