Confucius4-R2T2

网易有道开源实时语音识别模型，流式转写进入可用阶段

网易有道发布并开源 Confucius4-R2T2，专注低延迟、逐字稳定的实时语音转写。模型支持 80 毫秒至 2 秒的可配置输出片段，并采用“最长稳定前缀”机制减少已显示文字反复修改，值得关注的是它正在把语音能力推进到字幕、同传和智能体等实时场景。