Lonely
@Lonely__MH
👨💻 独立开发者 | AI Builder | 互联网打杂
专注 Agent 与 AI 工具实测，写小白也能懂的硬核教程
生命不息，Bug不止
📮合作/交流：bd@aigce.com
Joined December 2014
781 Following 26.6K Followers
TTS 哪家强？
答案来了🎉
🎉见证历史！国产开源大模型直接登顶 Hugging Face 双榜第一！
刚刷到网易有道开源的实时流式语音大模型：Confucius4-R2T2 ，基于 Qwen3-ASR-1.7B 微调
另外顺带把流式翻译模型 T3PO 一起开源了
刚发布就同时斩获 HF ASR 与 Translation 两大细分垂类的 Trending 榜一，太燃了🔥
为了测测到底有多硬核，我把 R2T2（1.7B / GGUF 约 2.2GB）直接部署在自己的 MacBook Pro M2 上，跟行业老大哥 OpenAI Whisper-Large 做了对比
视频画面反差极其强烈（重点看 0:21 秒高能👇）
🔥几个比较有意思的点：
1. 前缀稳定（独创 Stable Prefix 只增不改）
增量重识别下，已输出文本基本只追加、不回改。
50 秒英文音频、2.5 秒步进：已出文本被改写 Whisper 16 次，R2T2 1 次；等效退格 1137 vs 39 字符。
2. 截断处不补全
音频切在半句时，只输出有声学证据的部分，不靠语言模型先验去猜后文。
中文改口指令：Whisper 出现繁体和错字，R2T2 零改写。对下游 LLM / Agent 来说，前缀可以直接消费
3. 端侧可部署
1.7B，Q8_0 GGUF 约 2.2GB，llama.cpp + Metal 在 16GB M2 Pro 上本地推理。
官方 vLLM 方案需要 N 卡，Mac 走 GGUF 即可。
模型👉🏻
代码👉🏻
适合本地部署，做语音输入法、实时字幕、会议助手
有需要的，可以试试。
以上。
Show more
