网易有道开源 2B 流式语音识别模型 R2T2:可设等待态,延迟精度自定
dr_cintas · x · 2026-09-17
网易有道推出 Confucius R2T2,一个 2B 参数的实时流式语音识别(ASR)模型,完全开源、可免费下载运行。
- 支持从 80ms 到 2s 的解码块配置,用户可自行权衡延迟与准确率
- 作者强调:传统流式 ASR 架构每步都必须输出,音频模糊时只能靠语言先验猜;R2T2 引入显式"等待状态",声学证据不足就保持沉默,证据到了再提交
- 号称实时转写达到接近离线的准确率,支持英文和中文
- 代码与权重已开放,提供 vLLM 后端,托管 demo 已上线,完整技术报告后续发布
所属事件:网易有道开源流式 ASR 模型 Confucius4-R2T2(21 条相关)→
「编程与Agent」频道最新
- Google 开源内部「大象-金鱼」工作流:规划与审查分离防 AI 敷衍 — gaganghotra_ · 2026-11-02
- InfoQ 发文：Agentic AI 架构中记忆、知识与上下文的系统化方法 — AdiPolak · 2026-11-02
- Harness Pro 用 ESP32-P4 做出 AI 编码 Agent 桌面监控屏 — dee_hw · 2026-11-02
- RL 训练 LFM2.5-24B 适配器：精度持平下工具调用省 20% — yb2698 · 2026-11-02
- Agent 生产环境排障之痛：错误在第5步、根因在第3步 — Ok-Machine7983 · 2026-11-02
- RAGFlow 1.0 预览：从 RAG 引擎转向 agent 原生数据库 — newpeak · 2026-11-02