Confucius4-R2T2：实时字幕稳如老狗！低延迟高准确，真正不改字的实时语音转文字

无言***

Confucius4-R2T2：实时字幕稳如老狗！低延迟高准确，真正不改字的实时语音转文字 ... ... ...

Confucius4-R2T2：实时字幕稳如老狗！低延迟高准确，真正不改字的实时语音转文字 ... ... ...

Confucius4-R2T2 是网易有道开源的一款真正实时流式语音识别（ASR）模型，全称意思是“真正实时转写”。它基于 Qwen3-ASR 模型训练而成，参数规模约 20 亿（2B 左右）。它就是“听一句、稳稳出一句、字不再跳”的实时语音转文字模型，特别适合对延迟和文字稳定性要求高的实际产品场景。


主要特点

真正实时、不回改文字：普通流式模型常会“边听边改之前的字”（像字幕一直闪烁、跳字），它一旦输出某段文字就永久锁定、只增不改。这样字幕更流畅、稳定，下游系统也能立刻信任并使用这些文字。
低延迟、高准确率：平均延迟只有 200–600 毫秒，准确率接近完整听完再识别的“离线模式”，在开源模型里表现领先，和不少商用系统也有竞争力。
解码块可灵活调节：支持 80 毫秒到 2 秒的音频切块，想更实时就用小块，想更准就用大块。
支持中文、英文为主，兼有多语言；还原生支持上下文提示和热词（比如专有名词、人名）。




应用领域

实时字幕与直播字幕（会议、直播、视频会议）
会议实时转写与记录
同声传译 / 实时语音翻译的前端识别
语音智能体 / 语音助手（听到稳定文字后马上决策或回复）
客服、呼叫中心实时监听与转写
其他需要把连续语音快速、稳定变成文字的实时流水线




使用教程：（建议N卡，显存4G起，支持50系显卡）

支持单次/批量和实时三个转写功能
上传需要转写的音频/视频文件，选择转写类型，只是txt和字幕srt两种格式，提交转写即可。
支持实时（麦克风和音视频文件）转写，接入麦克风，点击录制按钮，等待模型加载完成，即可对着麦克风说话，实时转写说话结果。





下载地址：
光鸭云盘：https://www.guangyapan.com/s/1964557025561337913_afKpfuS_zVounNhq



夸克网盘：

🔒登录后查看

需要登录才能查看内容

立即登录

百度网盘：

🔒登录后查看

需要登录才能查看内容

立即登录