代码写错了吧？

[csgaoshuai]

tokenizer.py里end_len = start_len + end_len这一行，应该是end_len = start_len + x_len吧？

[yangxueruivs]

step-audio1维护已经接近尾声，建议各位开发者迁移到step-audio2使用，尺寸更小，模型效果更好

[csgaoshuai]

step-audio1维护已经接近尾声，建议各位开发者迁移到step-audio2使用，尺寸更小，模型效果更好

大佬，没找到2的tokenizer部分。

[yangxueruivs]

2是连续进离散出的形式，所以输入不需要抽取audio token

[jack161641]

step-audio1维护已经接近尾声，建议各位开发者迁移到step-audio2使用，尺寸更小，模型效果更好

大佬，我swift在阿里云部署的step-audio-chat，无论文本还是音频输入都只返回文本，是在线推理不支持返回音频吗？还是有chat template