网易有道发布 Confucius4-R2T2:永不改口的低延迟流式语音识别

netease-youdao · hf · 2026-11-09

网易有道推出 Confucius4-R2T2(Real Real-Time Transcription),一个稳定前缀流式 ASR 模型:输出一旦生成就永不修改,同时保持接近全上下文的准确率和低延迟。方法上无需改架构,基于「最长稳定前缀(LSP)」概念对 Qwen3-ASR-1.7B 在 1500 小时中英文语音上做后训练、冻结预训练 encoder 与 projector;论文证明 LSP 在前缀序下单调、与全文输出一致。适合翻译器、语音 agent 等「每出一个 token 就要行动」的机器消费场景,避免改口造成的浪费或错误动作。