网易有道开源两款语音模型登顶HuggingFace趋势榜

网易有道于 9 月 23 日前后开源两款语音模型，并双双登顶 Hugging Face 各自品类的 Trending 榜第一：流式 ASR 模型 Confucius4-R2T2 与中英同声传译模型 Confucius4-T3PO。多位帖子作者指出，两者组合可构成完全开源、支持本地部署的实时语音翻译/口译技术栈。

已确认

• R2T2：2B 参数，基于 Qwen3-ASR-1.7B 微调；真流式 ASR，解码块 80ms–2s 可配置，延迟约 160ms，准确率接近离线水平；采用 append-only 输出模式（文本一经输出不再回改），适合实时字幕与语音 Agent 等下游场景；许可证为网易自定义许可证。
• T3PO：14B 参数，中英同声传译模型，模型可自主决策（如切分时机）；采用 Apache 2.0 开源。
• 两款模型权重均已上架 Hugging Face，组合后可构成全开源实时口译栈并支持本地部署。

为什么重要

• 实时语音翻译此前多依赖闭源服务，R2T2 + T3PO 提供了首个完全开源、可本地部署的端到端方案，对字幕、口译、语音 Agent 开发者具有直接实用价值。
• R2T2 的不回改输出设计消除了流式转写常见的「文本抖动」问题，是面向生产场景的关键取舍。

2026-09-23 ~ 2026-09-23 · 5 条相关

• 【源头】网易有道开源两款语音模型:2B 流式 ASR 与 14B 中英同传 — AdinaYakup · 2026-09-23
• 【源头】网易有道两款开源语音模型登顶 HuggingFace 榜单 — thetripathi58 · 2026-09-23
• 网易有道开源 Confucius4 双模型,组合成全开源实时语音翻译栈 — thetripathi58 · 2026-09-23

另有 2 条近重复转述:AdinaYakup · thetripathi58