项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-01 · 当前星标 ★ 892
使用教程
ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。
环境要求
- Python 3.10
- NVIDIA GPU（建议）
- ffmpeg
安装与启动步骤
-
1克隆
有道开源的低延迟流式 ASR 模型。
git clone https://github.com/netease-youdao/Confucius4-R2T2.git cd Confucius4-R2T2 -
2装依赖
按 requirements 装，注意音频解码库。
pip install -r requirements.txt -
3下权重
权重体积较大，先确认磁盘空间。
huggingface-cli download netease-youdao/Confucius4-R2T2 --local-dir ./ckpt -
4流式推理
分块从 80ms 到 2s 可配，延迟与准确率互换。
python infer.py --chunk_ms 320
如何确认成功
喂一段音频能逐块吐字，最终文本与原文一致。
注意事项
- 它是 append-only 解码，适合实时字幕而不是长文转写。
- 块越小延迟越低但错误率上升，按场景调。
核心亮点
- 主打低延迟与高准确率兼顾，针对实时流式场景优化
- Python 实现，便于二次开发和集成到现有语音管线
- 提供实时识别能力，适合字幕、语音交互等在线场景
不足之处
- 早期项目，文档和示例可能不完整
- 社区规模较小，长期维护和生态支持待观察
适用场景
- 实时会议字幕与转写
- 语音助手/智能客服的在线语音识别
- 直播或视频的实时字幕生成
替代项目
whisper、vosk、FunASR
上一篇：Transcribro
下一篇：mlx-qwen3-asr
同类项目推荐
voxtral-mini-realtime-rs
开源
在浏览器或本地用 Rust 跑实时语音识别与合成
Voxtral ASR & TTS running natively and in the browser. A Rust implementation of Mist···
mimiuchi
开源
在 VR 里动嘴就能打字，语音秒变文字发给任意应用
a free, customizable, osc capable speech-to-text interface for relaying text to diff···
docker-whisper
开源
一条命令自建 OpenAI 兼容语音转文字服务，带说话人分离
ScribeCrate: open-source, self-hosted Whisper speech-to-text server powered by faste···
super-voice-assistant
开源
按个快捷键，说话变文字、屏幕能转写、选中就能读
macOS voice assistant with global hotkeys - transcribe speech to text with offline m···
whisper-local
开源
按住热键说话，本地秒出文字，不联网不订阅
Free, open-source, 100% offline AI dictation for Windows & macOS. Wispr Flow / Drago···
FunASR
开源
开箱即用的中文语音识别全家桶，一键部署服务
Open-source speech recognition toolkit for training, inference, streaming ASR, VAD, ···
X2-Turn
开源
一边转写一边判断该不该接话，降低对话延迟
Frame-Synchronous Dual-Head Modeling for Joint Streaming ASR and Turn State Predicti···
AudioNotes
开源
上传音视频，自动生成结构化 Markdown 笔记
快速提取音视频内容，整理成一份结构化的markdown笔记
talon-ai-tools
开源
用语音直接指挥 AI 工具，解放双手提效
Query LLMs and AI tools with voice commands