网易有道开源 2B 流式 ASR 模型 R2T2,延迟仅 200ms
dr_cintas · x · 2026-09-17
网易有道开源了名为 Confucius R2T2 的 20 亿参数流式语音识别模型，实时转写延迟仅 200ms，完全开源（代码与权重均公开）。
传统流式 ASR 架构被设计为每一步都必须输出内容：当音频模糊时，系统只能依靠语言先验给出最佳猜测，因为「保持沉默」在架构上不是选项。
R2T2 的核心创新是引入显式的等待状态（wait state）：当声学证据不足时选择保持沉默，等证据足够时才提交（commit）——每个词一旦被识别就永久确定，从不回改。
所属事件:网易有道开源流式 ASR 模型 Confucius4-R2T2(21 条相关)→
「模型」频道最新
- AWS 开源 Strands Harness 宣称比 Claude Code 便宜 45%，搅动 harness 之争 — blaizedsouza · 2026-11-02
- Yacine 赞誉 Terra High:一条推文引爆的新模型口碑 — yacineMTB · 2026-11-02
- 单卡 H200 跑 DeepSeek V4.1,时租仅 5.3 美元 — daluoseo · 2026-11-02
- 曝 Fable 5.5 最新 checkpoint 视频流出，纯代码生成 — kimmonismus · 2026-11-02
- 用户实测 Claude Opus 5.5 行为异常，引出持续学习难题 — JeremyNguyenPhD · 2026-11-02
- Reddit 热帖追问:为何主流 AI 模型集体忽略冰岛女性罢工 — Mathemodel · 2026-11-02