网易有道开源 Confucius R2T2：160ms 流式切片边说边懂语音
VraserX · x · 2026-09-17
网易有道发布开源语音模型 Confucius R2T2，其中 160ms 这个数字最引人注意——但它不是端到端响应延迟，而是最小流式音频步长（streaming audio step），这个区别很关键。
R2T2 的真正亮点在于：模型不需要攒够一大段音频才开始理解你，而是在你说话的同时以极小的切片连续处理语音。这种边听边懂的流式处理，正是让语音 AI 从「对着机器说话」变成真正对话体验的关键改进。
所属事件:网易有道开源流式 ASR 模型 Confucius4-R2T2(21 条相关)→
「多模态」频道最新
- Midjourney sref 双码组合实测：中世纪版画风格的猫骑士 — sergeantsref · 2026-11-02
- AI 生成毛绒质感角色设计：狐耳少女、外星虫人与猫咪摄影师 — OVolosin82152 · 2026-11-02
- Fable 5.5 被曝一行代码一次通过生成动画，Anthropic 押注编程意外切入动画赛道 — Hesamation · 2026-11-02
- FlowHMR 提速 5 倍：LLM Agent 自动完成视频动捕到渲染全流程 — camenduru · 2026-11-02
- AI 生成 70 年代复古 MV《Rock is Dead》,质感以假乱真 — Mother-Pear-2392 · 2026-11-02
- 周末逛玩 3D 高斯泼溅：COLMAP + Lichtfeld 实拍 Splat — janusch_patas · 2026-11-02