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:网易有道开源双语音模型，登顶 HuggingFace 趋势榜(5 条相关)→
「编程与Agent」频道最新
- 两人小公司用 46 个 AI Agent 运营：审批门禁、哈希锁文件与翻车复盘 — dkovl · 2026-11-12
- LlamaIndex 让 AI Agent 渗透测试自家 LlamaParse，四天暴露四条经验 — llama_index · 2026-11-12
- Manhattan 字体 v0.0.1：每个字母都是一个 Python 函数 — allanyu_ · 2026-11-12
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- Agent 会话跑了 51 分钟烧 24.8 万 token,网友直呼还在干活 — _Stocko_ · 2026-11-12
- 可视化 AI Agent 团队协作：每个 Agent 一间「房间」，共享知识库 — LiorAloni11 · 2026-11-12