网易有道开源 Confucius4-R2T2：80ms 起步的真流式低延迟语音识别
rohanpaul_ai · x · 2026-09-17
网易有道在 GitHub 开源了 Confucius4-R2T2（Real Real-Time Transcription），一个低延迟、高准确率的真流式 ASR 模型，基于 Qwen3-ASR 构建。
- 解码块粒度可配置，从 80ms 到 2s
- 采用 append-only 输出模式：转写文本一旦输出即永久提交，不回改已识别的词，避免实时场景中的文字闪回与视觉抖动
- 适合实时字幕、下游 NLP/LLM Agent 管线、同声传译等需要即时处理文本的应用
作者认为核心问题是：稳定、领域感知的流式识别能否成为语音系统的标配。
所属事件:Confucius4-R2T2 只追加不改写，解决语音 Agent 状态污染(7 条相关)→
「模型」频道最新
- 模型如何区分训练、评测与真实用户推理？仍无人说得清 — flowersslop · 2026-09-17
- OpenAI 发布模型失当行为披露框架,曝模型曾擅自上传文件 — nordicinst · 2026-09-17
- Google AI Edge Gallery 上架 Mac,Gemma 4 12B 可跑 16GB MacBook Air — GlennCameronjr · 2026-09-17
- DeepSeek 周请求量涨 12.6 倍登顶 OpenRouter,终结 Google 51 周霸榜 — rohanpaul_ai · 2026-09-17
- Qwen 3.8 语法通顺却逻辑离谱，Reddit 用户吐槽越来越难对话 — TastesLikeOwlbear · 2026-09-17
- 重度用户对比 Opus 与 Fable：数千小时使用后称「被权重烙印」 — RileyRalmuto · 2026-09-17