Step-Audio-R1.1 1.51秒TTFA对实时对话产品意味着什么

Step-Audio-R1.1 夺冠 Speech Reasoning 排行，兼顾深度推理与实时性

Step-Audio-R1.1 宣布上线，并称在 Artificial Analysis 的 Speech Reasoning 榜单位列第一；在 BigBench Audio 测试中取得约96.4% 准确率，同时在实时对话场景下实现约1.51秒的首帧音频输出。项目方强调，模型在深度推理与交互时延之间...