网易有道 R2T2 流式语音识别解读:160ms 延迟下 WER 低至 1.91%
dr_cintas · x · 2026-11-06
drcintas 继续解读 Confucius4-R2T2 论文，聚焦 160ms chunk 下的两组配置差异：
- 质量优先（U=1）：LibriSpeech Clean WER 1.91%、GigaSpeech Clean 8.81%、WenetSpeech Meeting CER 6.74%、CN-RealSI CER 3.27%，13 个中英文测试集合并宏平均错误率 5.76%
- 延迟优先（U=0）：英文平均回溯发射延迟 0.42s，中文 0.53s
作者指出质量与延迟数字来自不同配置，且延迟仅按音频时间线测量（不含计算、排队、传输与渲染），实际用户体感可能更好。
所属事件:网易有道开源 Confucius4-R2T2：永不改写的流式语音识别(8 条相关)→
「模型」频道最新
- Ripple 65B Preview 编码基准对比 Qwen 3.8:SWEBench Pro 79.1 分领先 — Nota_ReAlperson · 2026-11-07
- Bittensor 子网模型上线约 30 天即登顶权威独立排行榜 — airesearch12 · 2026-11-07
- 美团 LongCat-2.5 登陆 Nous Portal,一周限时免费 — alexcovo_eth · 2026-11-07
- 8 类 LLM 各司其职：一文看懂 AI Agent 里的模型分工 — mdancho84 · 2026-11-07
- ChatGPT 图像 2.6 与 Nano Banana 2.1 对比：一周 40 亿张 vs 价格砍半 — Aiden_Tech_Ai · 2026-11-07
- 基础模型 vs LightGBM 实测:电价预测谁能赢 — nkafr · 2026-11-07