定义
audio 指声音信号及其采集、编码、传输、理解与生成的通用能力，覆盖录音、播放、语音识别（ASR）与语音合成（TTS）等场景。
核心内涵
audio 在 AI 系统中同时承担输入与输出模态：输入侧关注语音转文本、事件检测与内容理解，输出侧关注文本转语音、音色控制与实时交互体验。
工程实现通常围绕采样率、时延、噪声鲁棒性、编码压缩与设备兼容性等约束展开，需要在质量、速度与成本之间做权衡。
·1分钟阅读
audio 指声音信号及其采集、编码、传输、理解与生成的通用能力，覆盖录音、播放、语音识别（ASR）与语音合成（TTS）等场景。
audio 在 AI 系统中同时承担输入与输出模态：输入侧关注语音转文本、事件检测与内容理解，输出侧关注文本转语音、音色控制与实时交互体验。
工程实现通常围绕采样率、时延、噪声鲁棒性、编码压缩与设备兼容性等约束展开，需要在质量、速度与成本之间做权衡。