网易有道开源 Confucius4-R2T2:永不改写的低延迟流式语音识别

dr_cintas · x · 2026-11-06

drcintas 发布对网易有道 Confucius4-R2T2 论文的系列解读。流式 ASR 一直有个隐藏问题：多数模型会不断改写已输出文本——字幕闪烁、语音 agent 反复重处理同一句话。R2T2 声称通过「文本一旦输出即永不改写」解决这一问题。

模型基于 Qwen3-ASR，支持 80ms–2s 可配置解码 chunk，append-only 输出模式，平均延迟 200–600ms 且离线精度无损，提供 vLLM 与 transformers 后端，原生支持中英文及多语言、上下文与热词提示，Apache 2.0 开源。作者逐条分析了论文中真正有效的部分与可改进之处。