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:网易有道开源两款语音模型登顶HuggingFace趋势榜(5 条相关)→
「多模态」频道最新
- Midjourney 出图示范：机械蜂鸟饮玻璃兰花，附完整参数组合 — ciguleva · 2026-09-23
- AI 电商配图提示词：「迷你工人拉动大产品」爆款公式 — aitrendz_xyz · 2026-09-23
- ChatGPT 图像生成 7 个实用提示词：照片秒变电影质感大片 — aitrendz_xyz · 2026-09-23
- ChatGPT 图像生成 7 个实用提示词：照片秒变电影质感大片 — aitrendz_xyz · 2026-09-23
- 沙特通信部国庆影片全程用本土 AI 平台 Nitx Studio 制作 — aziz4ai · 2026-09-23
- AI 生成短片《ASHES & AMBER》走红 Reddit,画面质感引惊叹 — tanji_ri · 2026-09-23