Confucius4-R2T2 是语音识别领域的开源项目，由 netease-youdao 开发，是 2026 年新上线的项目。
它收录于语音识别分类，该分类目前共有 228 个项目，GitHub 星标数为 731。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-30。无定价信息。
它主要面向的使用场景是：实时会议字幕与转写。同类可对比的替代方案包括 whisper、vosk、FunASR。
Confucius4-R2T2
边说边转文字，低延迟还不掉准确率
Confucius4-R2T2 是一个面向实时场景的语音识别开源模型，主打低延迟与高准确率的平衡。它解决的是传统 ASR 模型在流式识别中要么延迟高、要么精度掉的问题，通过模型结构或解码策略的优化，让语音转文字在边说边出结果的同时保持可用的识别质量。核心能力包括流式/实时语音识别、低延迟输出、对中文等语言的准确率优化，以及 Python 接口便于集成。项目适合需要实时字幕、语音交互、会议转写等场景的开发者，可作为云端或本地部署的识别引擎。当前处于早期阶段，星标数约 731，代码和文档仍在完善中，适合愿意跟进前沿方案、能接受一定调试成本的技术团队评估使用。
开源
free
语音识别
GitHub 星标
★ 731
维护状态
活跃
是否开源
是
定价模式
free
项目预览
项目数据
分类语音识别
开发团队netease-youdao
所属国家
定价模式free
价格说明开源模型，无定价信息
访问状态
是否开源是
开源协议NOASSERTION
主要语言Python
技术栈/模型
GitHub 星标★ 731
30天Star增速
HF 下载量
上线时间2026-09-08 00:00:00
最近更新2026-09-30 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-01
浏览次数0
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
正在加载星标数据…
使用教程
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
项目介绍
上一篇：Transcribro
下一篇：mlx-qwen3-asr
同类项目推荐
obs-localvocal
开源
直播录屏时，本地AI实时生成字幕，保护隐私零延迟
OBS plugin for local speech recognition and captioning using AI
LiveCaptions-Translator
开源
实时捕获系统音频，一键翻译成你懂的语言
Lightweight and powerful real-time audio/speech translation tool based on Windows Li···
speechbrain
开源
一站式 PyTorch 语音工具箱，快速搞定识别、说话人验证等任务
A PyTorch-based Speech Toolkit
whisper-diarization
开源
给语音转写加上说话人标签，会议记录一目了然
Automatic Speech Recognition with Speaker Diarization based on OpenAI Whisper