Audio-Interaction

Audio Interaction Model 是首个通用流式音频语言模型，支持离线与实时流式音频处理的统一建模。核心功能包括语音识别（ASR）、语音到文本翻译（S2TT）、音频问答（AQA）等离线任务，以及实时语音对话、流式指令跟随和主动交互等在线能力；技术上采用端到端流式架构，支持持续监听、决策与响应，实现“始终在线、主动响应”的音频交互范式。适用于智能助手、实时会议转录、无障碍交互设备及需要低延迟语音理解与生成的嵌入式或边缘场景。