Netease Youdao yayın akışı ASR modeli Confucius4-R2T2 yayınladı

Netease Youdao şirketi Confucius4-R2T2 adlı düşük gecikme süresi olan bir otomatik konuşma tanıma (ASR) modelini sundu. Çözüm, Qwen3-ASR mimarisine dayanmaktadır ve gerçek zamanlı olarak ses akışlarının yüksek doğrulukla işlenmesine yöneliktir.

Model, 80 ms ile 2 s arasında değişen parça boyutu ayarlamasını destekler, bu da sistemi belirli kullanım senaryolarının gereksinimlerine uyarlamayı sağlar. Mimari, append-only çıkış modunu destekler, böylece veri akışında稳il bir çalışma sağlar. Performans testlerinde model, 1 saatlik işleme süresinde 16 puanlık bir sonuç gösterdi.

Confucius4-R2T2'nin teknik uygulaması, Çince ve İngilizce dilleriyle çalışmak için optimize edilmiştir. Geliştiriciler, vLLM ile entegrasyonu desteklemek için yerli desteği sağladı, bu da modelin yüksek yüklenen sunucu ortamlarında dağıtılmasını kolaylaştırır. Modelin kaynak kodu ve ağırlıkları, Hugging Face platformunda indirilmeye hazır durumdadır.

Bu tür araçların uygulanması, sesli kontrol ve transkript sistemlerinde gecikmeleri azaltmaya olanak tanır. Qwen3-ASR motorunun optimize edilmesinin kullanılması, modeli mevcut ses işleme.pipeline'larına, altyapının derinlemesine yeniden yapılandırılması gerekmeksizin entegre etme olanağı sağlar.