网易有道开源两款同传模型：延迟 200 毫秒级，LobsterAI 2.0 全面兼容新龙虾

实时翻译这条赛道上，开源阵营又多了一组竞品。智东西 9 月 16 日报道，网易有道在刚结束的 AI Open Day 发布会上开源了两款新同传模型：子曰 4 R2T2 与子曰 4 T3PO，两者都支持流式输出能力，可以提供低时延、高流畅度的实时同传体验。

先说子曰 4 R2T2，它是一款真流式自动语音识别模型，主打低延迟与高精度，平均延迟 200 至 600 毫秒。在各类基准测试中，它的延迟和识别质量都达到了开源模型中的最先进水平，与闭源模型相比也不逊色。训练时它用了一套特殊的数据构建方法，涉及稳定前缀数据、强制时间对齐数据以及词元级音频分割，训练中还结合了最长稳定前缀学习范式，使其在流式输出设计下，离线识别仍能保持很高的准确率。 另一款子曰 4 T3PO，参数量 140 亿，属于文本到文本的同步机器翻译模型。训练路径上，有道走了三步：构建高质量的分段对齐数据、给翻译模型做流式冷启动，以及采用基于帕累托感知的强化学习。它同样采用全流式输出，用户可以对延迟模式进行调节，根据使用场景在低延迟与高质量之间切换；此外，它还能与外部流式语音识别模型配合，把语音实时转成文字。现场演示了一段语速极快的翻译：两款模型配合之下，语音被清楚地译成中文，输出速度很快。 应用层面同样有动作：桌面办公 Agent LobsterAI 更新到 2.0 并继续开源，升级集中在开源项目兼容与团队共享两个方向。2.0 最大的变化是生态兼容，全面兼容新版本龙虾（OpenClaw 2.0），底座同步升级。Sites 是这次新加的能力，Agent 做出的结果能一键拿到公网可访问的地址，还能设置分享码；另一个新增模块 Teams 面向团队协作，不收席位费，只按实际用量计费。 现场还发布了网易首个 AI 原生语音 Agent"网易叭哥说"，支持 100 多种语言的实时语音翻译，并宣布终身免费。按照官方说法，该产品在语音识别之后继续做语义理解，把口语表达中的重复、停顿、改口整理成可以直接使用的文字，可用于聊天、邮件、文档等场景；声音仅在本地处理，不上传、不记录，也不用于模型训练。目前 Mac 与 Windows 桌面端已全量上线，移动端仍在开发中。 数据方面，网易有道 CEO 周枫在现场给出了几组数字：AI 同传累计服务的用户超过 2500 万，使用次数同比接近翻倍；口语学习产品 Hi Echo 的用户规模突破 1000 万；办公 Agent LobsterAI 也跨过 100 万用户，次日留存超过 80%。Hi Echo 这次同步升级成 Agent 口语私教，口语私教形态依托端到端的全双工语音对话实现，随时可以打断，语气和情绪也能被识别出来，底层由有道自研的 Helix 目标驱动型自进化学习系统支撑。有道同时宣布与雅思官方达成合作，Hi Echo 成为 BC 雅思官方模拟测评系统的首家全面合作伙伴。 无论是实时语音模型、语音 Agent 还是办公 Agent，有道这次拿出的产品都集中在学习与工作两个场景。周枫在媒体问答环节提到，公司眼下盯着学习、工作、广告营销三条线，其中广告营销已经占到接近一半的比重，而本次发布暂时没有触及这条业务线。接下来，这批产品能不能从单点体验走进高频工作场景，会成为检验这套 AI 布局的关键指标。

文章与图片内容转载网络，如有侵权请联系平台删除