Confucius4-R2T2技术报告发布
AI 总结
网易有道发布了Confucius4-R2T2技术报告。该实时ASR模型基于Qwen3-ASR-1.7B构建,并使用约1500小时中英文音频进行后训练。报告称,最长稳定前缀监督、显式WAIT行为与流式提交策略可在不修改已提交文本的情况下实现增量转写。报告评测显示,质量优先配置在13个主测试集上的宏平均错误率为5.76%,但所给报道未对这些基准结果进行独立验证。报道还称,模型发布四天后,模型及其量化版本全球累计下载量达到20万次。
深度见解
该方法为实时字幕、同声传译和语音应用提供了一种兼顾识别质量、输出时机与文本稳定性的具体方案。

开源仅4 天(9月21日),网易有道子曰 Confucius4-R2T2 就登顶 Hugging Face 自动语音识别(ASR)热榜第一。目前,模型及各量化版本全球累计下载量已达到20 万次。
围绕R2T2,社区陆续推出量化版本与不同运行环境的适配,让更多开发者能够体验高质量的实时语音转写能力。近日,Confucius4-R2T2 的技术报告也上线论文预印本平台arXiv。

这份关注背后,是实时语音应用对“快、准、稳”的共同需求。
对实时字幕、同声传译和语音智能体而言,识别结果不仅要准确,还要及时、稳定。一段已经交给下游处理的文字,如果随后被改写,就可能引发字幕跳动、译文重写或重复推理。