用了小米的Mimo v2.5-ASR，AI告诉我说只支持短时长的？

我在用这个模型转写文字，提取逐字稿。agent告诉我说这个模型只能处理 ≤6 分钟的音频。

原因是

“ completion_tokens 的上限是 2K，而 6 分钟的音频已经把它顶满了（2000/2000）。超过 6 分钟后，模型内部的注意力机制或解码策略出了问题——它没有继续输出更多文本，反而开始丢弃中间内容、只保留开头结尾片段。这是模型的已知行为模式：当输入音频长度接近其训练时的典型分布上限时，输出质量非线性下降。”

有大佬帮忙解释下吗？意思是这个模型只能处理单个音频2000字符的，超过了就需要截断吗？