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:网易有道开源流式 ASR 模型 Confucius4-R2T2(21 条相关)→
「编程与Agent」频道最新
- 一个过期日期让 WhatsApp 回复 agent 静默罢工两天,19 条消息无人应答 — petrusenko_max · 2026-11-02
- 10倍工程师就是一个 SKILLS.md:六大工作流规则全公开 — mdancho84 · 2026-11-02
- 开发者自审 MCP 凭据代理:最大漏洞竟出在配置文件 — Relevant_Mousse_9117 · 2026-11-02
- AWS 开源 Strands Harness 宣称比 Claude Code 便宜 45%，搅动 harness 之争 — blaizedsouza · 2026-11-02
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- Sketchy v0.1.6:图表输出比纯文本省 29% token — Nkgsporty · 2026-11-02