每天听简报，了解最新科技、AI、软件资讯
网易旗下的有道，开源了一个只有十七亿参数的实时语音识别模型，取名R2T2，专门给语音助手这类应用做实时转写用。它最大的特点是转出来的文字只往前走，不会像一部分流式识别模型那样，先吐出一段文字，过一会儿又悄悄改掉前面几个字，导致画面一直在闪。R2T2平均延迟只有两百到六百毫秒，却能做到接近离线识别的准确率。它是在阿里通义千问系列的语音识别模型Qwen3-ASR基础上训练出来的，解码的时间窗口还能在八十毫秒到两秒之间自由调节。项目方说，这在开源模型里数字目前最好，跟几家头部闭源系统相比也不落下风。
进度保存在本设备 · 登录同步