StepAudio 2.5 TTS: Điều khiển cảm xúc giọng đọc bằng câu mô tả, không cần preset

StepFun vừa ra mắt StepAudio 2.5 TTS ngày 16/04/2026 — TTS đầu tiên bỏ tag SSML, cho phép mô tả cảm xúc, nhịp điệu, hơi thở bằng ngôn ngữ tự nhiên. Clone giọng từ 3 giây audio, giữ full timbre + emotion control. Cùng ngày Google tung Gemini 3.1 Flash TTS — ngành TTS chính thức chuyển từ 'chọn tag' sang 'mô tả yêu cầu'.