待验证50% 置信发布精确时间
网易有道发布孔子4R2T2流式语音识别模型，延迟控制在200到600毫秒，采用只追加不改字幕的策略，代码采用Apache 2.0协议并开放权重下载
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/22
首次发现
有效期至：2026/12/21
来源
涉及实体
相关事实
待验证该设备本地ASR模块将语音转录为文字，语义理解与答案生成依赖上传云端的LLM完成，云端推理往返延迟通常在500ms至2秒之间73% 相似待验证领先水平的实时语音转录延迟约在200-400毫秒，业界主流方案包括OpenAI的Whisper、Google Speech-to-Text和AssemblyAI72% 相似待验证阿里正式升级实时语音识别模型FunASR Realtime，首字延迟仅百毫秒，准确率接近离线水平71% 相似已验证OpenAI的ChatGPT高级语音模式基于GPT-4o端到端语音架构，直接将音频输入映射到音频输出，延迟压缩至300毫秒以内71% 相似待验证传统语音AI采用串行管线设计，即VAD→ASR→LLM→TTS四个独立模块依次传递数据，每个环节引入约100-300毫秒延迟，四段叠加总延迟往往超过1秒70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/941072API
curl https://kongchang.com/api/v1/knowledge/claims/941072MCP
get_claim(id=941072)