网易有道开源语音识别模型 Confucius4-R2T2：流式处理助力语音

又来了！网易有道最新开源 ASR 模型 Confucius4-R2T2 ⚡

Agent 再聪明，也得先听清我说的是“发送”，还是“先别发送”。

我用刚开源的 R2T2 做了一组语音测试：

英文、中文日常、停顿、数字、待办，还有专业词汇和自定义热词。

完整结果放在视频里，直接听输入、看结果 👇

R2T2 是一个真流式语音识别模型。我关注它，是因为语音 Agent 在理解、调用工具之前，需要先拿到可靠的输入：

人还在说话，识别就能持续往下走，已经提交的文字也能稳定地交给后面的系统。

从“能听写”到“能接进 Agent”，这中间需要更强的 ASR 模型👉