网易有道开源流式语音识别模型 Confucius4-R2T2

网易有道发布并开源实时语音识别模型 Confucius4-R2T2，模型基于 Qwen3-ASR 架构，登上 Hugging Face 热门榜单，代码仓库已上线 GitHub。该模型主打真流式、低延迟，延迟仅 200600ms，细粒度解码块可在 80ms2s 之间调整，并采用「只增不改」的流式输出方式，已输出的文本永不修改，实现「实时字幕不跳字」的效果。

2026-09-20 ~ 2026-09-20 · 3 条相关