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 2B 流式 ASR 模型 Confucius R2T2(15 条相关)→
「编程与Agent」频道最新
- 开发者用 Muse 模型做编排器搭建工业场景应用 — alexandr_wang · 2026-09-17
- Freshservice MCP 服务器上线，AI 助手可自然语言管理 ITSM 工单 — modelcontextprotocol · 2026-09-17
- GitHub 开源 alt 文本质检插件：让模型判断替代文本是否真的有用 — martinwoodward · 2026-09-17
- AI Agent 不能给自己授权：FastAPI 参考实现把模型判断与系统权限分离 — Dapper-Roof2370 · 2026-09-17
- 一个 bot 全程操办团队外出活动:下单、订房、排日程 — Zachly · 2026-09-17
- 开发者称 DeepSeek-v4.1-flash 能逆向工程任意目标 — gaganghotra_ · 2026-09-17