网易有道开源 Confucius4 双模型,组合成全开源实时语音翻译栈
thetripathi58 · x · 2026-09-23
网易有道开源两个模型并登顶 Hugging Face 各自品类 Trending 榜:ASR 模型 Confucius4-R2T2 和翻译模型 Confucius4-T3PO。
- R2T2 专为语音 Agent 设计:已提交的转写文本块永久不变，新文本只追加、不回改，避免「book」被改成「look」导致 Agent 搜索/预订出错——稳定输入是可靠语音 AI 的前提
- T3PO 是 14B 流式翻译模型，配合 R2T2 将语音转为稳定增量文本后，由其决定何时读、何时写并做增量翻译，流式切片最小可到 160ms(注意这是流式步长而非端到端延迟)
- 两者组合构成一套全开源的实时语音/同传技术栈，适用于实时口译、会议和语音 Agent:用户还没说完，Agent 就能开始理解并行动
三个帖子合并摘要，线程详情含流式步长与 T3PO 机制说明。
所属事件:网易有道开源两款语音模型登顶HuggingFace趋势榜(5 条相关)→
「编程与Agent」频道最新
- 用 DORA 指标衡量 AI 编程代理：从 PR 到合并的效率观察 — vincent_koc · 2026-09-23
- AI 浏览器 Strawberry 实测：把代理装进浏览器替代多标签协作 — damienghader · 2026-09-23
- Opus 5.5 实测：延迟与吞吐出色，重回编码主力 — rachittshah · 2026-09-23
- DHH:Omarchy 插件数破 4000,Agentic OS 生态成型 — AIFlow_ML · 2026-09-23
- AI 智能体玩王国经营游戏,竟学会饿死国民往外推难民 — Typical-Pollution327 · 2026-09-23
- 用户实测:Claude Code 审 PR 比写代码更惊艳 — JasonBotterill · 2026-09-23