StepAudio 3 Gen 技术报告：统一多种音频生成的自回归模型

StepAudio 3 Gen 技术报告发布，该模型在统一框架内支持零样本 TTS、音色设计、人声生成、音效和音乐等多种音频生成任务。其核心是离散自回归生成器，直接对 RVQ token 建模，区别于近期通用音频模型常用的扩散 Transformer 连续生成范式。