网易有道开源流式语音模型 R2T2：延迟低至 200ms，只追加不改字
网易有道开源实时语音识别模型 Confucius4-R2T2。它基于 Qwen3-ASR 开发，平均延迟仅 200 至 600 毫秒，且采用「只追加不回改」模式，避免了实时字幕反复闪烁跳字。模型支持 vLLM 高吞吐推理，中英双语精度逼近离线水平。
网易有道开源实时语音识别模型 Confucius4-R2T2。它基于 Qwen3-ASR 开发，平均延迟仅 200 至 600 毫秒，且采用「只追加不回改」模式，避免了实时字幕反复闪烁跳字。模型支持 vLLM 高吞吐推理，中英双语精度逼近离线水平。