@NetEaseYouDaoAI: 大多数流式ASR能快速给你文本。R2T2 给你可操作的文本。我们正在开源 Confucius4-R2T2，一个1.7B…

X AI KOLs Following 模型
speech-recognition streaming-asr open-source real-time ai-model voice-agent multilingual

摘要

NetEase Youdao AI 正在开源 Confucius4-R2T2，一个1.7B的前沿实时流式ASR模型，专为语音代理设计，具有低延迟、高准确度和可配置解码块的特点。

大多数流式ASR能快速给你文本。R2T2 给你可操作的文本。我们正在开源 Confucius4-R2T2，一个1.7B的前沿实时流式ASR模型，专为语音代理构建。以下是链接：GitHub: https://github.com/netease-youdao/Confucius4-R2T2… Hugging Face: https://huggingface.co/netease-youdao/Confucius4-R2T2…
查看原文
查看缓存全文

缓存时间: 2026/09/19 13:01

孔子4-R2T2：低延迟高精度实时语音识别模型

真实实时转录

图1. R2T2整体框架图

图2. GPT-Live-Transcribe与R2T2处理相同音频的实时对比展示

图3. 不同模型与配置下的英语词错误率（WER）与回顾式分块延迟对比

图4. 不同模型与配置下的中文字错误率（CER）与回顾式分块延迟对比

图5. 精度-延迟帕累托前沿图（左下方为最优；前沿采用回顾式分块平均模糊延迟）

相似文章

netease-youdao/Confucius4-R2T2

Hugging Face Models Trending

Confucius4-R2T2 是网易有道开发的一款低延迟、高精度的实时语音识别模型，具有可配置的分块功能和稳定输出，适用于实时字幕等应用场景。