网易有道 R2T2+T3PO 组成全开源实时口译栈，支持本地部署
thetripathi58 · x · 2026-09-23
作者详解网易有道两款开源模型如何拼成实时语音翻译栈：
- Confucius4-R2T2：低延迟、高精度真流式 ASR，解码块 80ms–2s 可配置，append-only 输出模式（文本一经输出不再回改），适合实时字幕、下游 NLP/LLM Agent、同传场景。GitHub 已有 487 star，含 WebSocket 服务端/客户端示例。
- Confucius4-T3PO：14B 流式翻译模型，决定何时 READ/WRITE，对增量文本做增量翻译。
R2T2 把语音转为稳定增量文本 → T3PO 增量翻译，组合可用于实时口译、会议与语音 Agent。两者都有开源仓库、HF demo 和社区 GGUF 量化版，可用 llama.cpp/Ollama 本地部署，不锁托管 API。作者表示将把两者加入自己的测试栈。
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)→
「多模态」频道最新
- Recraft 更新矢量生成：曲线更顺滑直线更直，Vectorizer Pro 全员可用 — aziz4ai · 2026-11-12
- Fable 5.2 实测生成细菌鞭毛马达视频,输出质量惊人 — Dr_Singularity · 2026-11-12
- MiniMax H3 Image 对比 MOSS Image：6 步出 16MP 对阵 50 步 2MP — zmarcoz2 · 2026-11-12
- 把 AI 生图当片场用：Intangible Canvas 场景编辑实测 — umesh_ai · 2026-11-12
- 先在 3D 里定机位再生成视频:Mars 场景工作流实操分享 — umesh_ai · 2026-11-12
- 生成前先定机位:Intangible AI Canvas 用 3D 场景预演 AI 视频 — umesh_ai · 2026-11-12