作者回复: 关于长音频文件的分块和续传逻辑，这是一个非常实用的优化建议。在实际应用中，长音频（如超过30秒的语音消息）确实需要分块处理：前端可按固定时长（如10秒）或固定大小（如1MB）切分音频，使用分片上传接口（如`POST /multimodal/audio/upload-chunk`）逐块上传，后端记录分片状态并支持断点续传。