网易有道开源 Confucius4-R2T2：80ms 起的真·实时流式 ASR
pmttyji · reddit · 2026-11-09
网易有道在 Hugging Face 发布 Confucius4-R2T2，一个低延迟、高精度的稳定前缀流式语音识别模型，主打“真·实时转写”（Real Real-Time Transcription）。
核心特点
- 解码块可配置，从 80ms 到 2s；采用单调输出模式，文字一经输出永久提交、不回改，避免实时字幕场景的文字闪烁与反复修订
- 适用于实时字幕、同声传译、下游 NLP 流水线与 LLM agent 等需要即时处理文本的场景
技术路线
- 基于 Qwen3-ASR-1.7B 适配，用 1500 小时中英文音频做最长稳定前缀（LSP）学习
- 两阶段训练（SFT + GRPO），只更新语言解码器，音频编码器和投影层冻结、不改架构；用显式 Wait 动作教模型何时提交、何时等更多音频
开源情况：代码 Apache 2.0（可商用），模型权重用网易自有序约。已放出 GGUF 量化、在线 Demo Space、GitHub 仓库和 arXiv 论文。
所属事件:网易有道开源 Confucius4-R2T2 真实时流式语音识别模型(2 条相关)→
「模型」频道最新
- 爆料：IPO 受挫施压 AI 实验室尽快放出最强模型 — iruletheworldmo · 2026-11-09
- Nature 论文揭示视觉模型与人类表征在抽象层级上的关键错位 — serrjoa · 2026-11-09
- AA-PersonalityBench：模型越真诚越不「slop」，创造力与幽默感高度正相关 — ArtificialAnlys · 2026-11-09
- 实测：AI 答案带来源链接也未必正确，需自行核查 — drdanielbender · 2026-11-09
- 没专属 harness 的模型再强也不想试:开发者谈 harness+模型绑定效应 — illscience · 2026-11-09
- 截图曝 OpenAI 开发类 Search Console 的 ChatGPT 站长工具 — OnlineInference · 2026-11-09