网易有道开源流式 ASR 模型 Confucius4-R2T2,永不改写已提交文本
rohanpaul_ai · x · 2026-09-18
网易有道开源了低延迟、高精度真流式语音识别模型 Confucius4-R2T2（GitHub/Hugging Face 均可获取）。
- 核心设计：append-only 输出模式——转写文本一旦提交就永久确认，绝不回改之前的词；解码块细粒度可配置，从 80ms 到 2s。
- 为什么重要：rohanpaulai 指出，voice agent 应增量消费语音、但只对已提交文本采取行动——因为快速转写中不断变动的文本会污染下游 agent 状态。R2T2 正是为这个约束而生。
- 适用场景：实时字幕、下游 NLP 管线与 LLM agent 输入、同声传译等需要文本被即时处理的应用，避免了文本反复改写带来的闪烁与状态错乱。
- 仓库附带 WebSocket server/client、示例脚本，可快速部署起服务。
所属事件:网易有道开源 2B 流式 ASR 模型 Confucius4-R2T2(20 条相关)→
「编程与Agent」频道最新
- LangChain 释出 Jev 构建 Agent Harness 教程，专攻受限输出 — multiply_matrix · 2026-09-18
- NewEyes AI 登陆 Meta 眼镜:本地轻处理+云端深推理分工 — rohanpaul_ai · 2026-09-18
- Cursor Projects 多模型编排获好评:看板追踪+三模型方案对决 — kieranklaassen · 2026-09-18
- 实测 OpenAI Astra 写代码:架构混乱、重复代码多,抗拒推翻错误决定 — Substantial_Swan_144 · 2026-09-18
- AI 咨询公司 Hang Ten 获 5300 万美元种子轮，总融资达 8500 万 — vsikka · 2026-09-18
- AI 编程会变多人游戏吗:Slack 共享智能体 vs 各自为战的单人增强 — Telos_in_the_Void · 2026-09-18