RecodeX 重构消息，网易有道研究团队公开了流式语音识别模型“Confucius4-R2T2”。在160毫秒分块、U=1的设置下，该模型在13个英中评估集上的平均错误率为5.76%；其中U指输出前暂缓的临时token数量，U=1即暂缓一个。

研究团队在4日发布的论文中表示，模型被设计为在语音持续输入的过程中，只输出此后不会再改变的句子前半部分，已确认输出的句子不会随后续语音而修改。5.76%是对13个评估集等权平均的结果，英文采用词错误率（WER），中文采用字错误率（CER）。