網易開源兩款同傳模型，延遲、準確率開源SOTA，快嘴也能實時翻譯

網易有道在日前舉辦的 AI Open Day 發表會上，正式推出兩款專為即時語音翻譯場景打造的全新模型——「子曰4-R2T2」與「子曰4-T3PO」，並同步將原始碼開源給社群使用。這兩款模型均針對同聲傳譯（即同步口譯）需求設計，具備流式輸出能力，能在極低的延遲下持續產出翻譯結果，即使面對說話速度極快的使用者，也能達到近乎同步的即時翻譯效果。官方強調，目前這兩款模型在開源社群中，是延遲與準確率之間取得最佳平衡的代表作。在傳統的語音翻譯系統中，處理快速語流時經常出現卡頓或漏譯問題，導致使用體驗不佳。

網易有道這次的突破在於同時最佳化延遲與翻譯品質，透過模型架構的精心設計，「子曰4-R2T2」與「子曰4-T3PO」能有效應對即時口譯過程中的時間壓力，讓輸出結果更為流暢，同時維持高水準的準確度。根據網易有道在活動現場的說明，這兩款模型在訓練過程中特別強化了對口語化、語速變化以及語句中斷等真實場景的適應能力。無論是會議對話、直播訪談，還是跨語言即時溝通，模型都能在幾乎不中斷的情況下持續輸出翻譯文字，大幅縮短使用者等待翻譯結果的時間。值得注意的是，網易有道選擇以開源方式釋出這兩款模型，目的是讓更多開發者、研究單位與企業能夠直接取用，並以此為基礎進行後續的客製化開發或學術研究。

此舉不僅降低了即時語音翻譯技術的進入門檻，也有助於加速此技術在更廣泛實際場景中的落地應用，例如國際會議即時字幕、遠距教學雙語輔助、直播即時翻譯等。從技術層面來看，「子曰4-R2T2」與「子曰4-T3PO」採用了不同的模型架構設計，以應對不同面向的延遲與準確率權衡需求。其中「子曰4-R2T2」特別針對低延遲場景最佳化，能在極短的時間內啟動輸出；而「子曰4-T3PO」則在翻譯穩定性與長句處理上表現更為突出。兩款模型互補，讓開發者可以根據實際使用情境選擇最合適的方案。在發表會上，網易有道也展示了這兩款模型的即時翻譯效果。

測試案例中，模擬快速發言者以接近三百字每分鐘的速度連續說話，模型仍能穩定輸出翻譯結果，且翻譯內容的語意完整度與單句準確度均達到開源模型中的頂尖水準。這項成果對於經常面臨快語速挑戰的同聲傳譯場景來說，具有相當高的實用價值。網易有道在語音翻譯領域已有多年技術積累，從早期的離線翻譯模型到如今的即時流式翻譯，持續推動著AI翻譯技術的邊界。這次推出的開源模型不僅代表公司在同聲傳譯技術上的最新進展，也反映出業界對於開放協作、共享成果的趨勢。透過開源，網易有道希望能夠匯聚更多全球開發者的智慧，共同提升即時語音翻譯的品質與效率。

目前，「子曰4-R2T2」與「子曰4-T3PO」的模型原始碼已上傳至主要開源平台，並附有詳細的使用文件與範例程式碼。對於有興趣嘗試或進一步最佳化的開發者而言，可以直接下載並整合至自己的應用中，無需從零開始訓練基礎模型。這對於加速中小型團隊或個人開發者的技術迭代，將帶來顯著助益。隨著跨語言溝通需求日益增長，即時語音翻譯技術在商業、教育、娛樂等領域的應用前景相當廣闊。網易有道此次開源的兩款模型，為市場提供了一個兼具低延遲與高準確度的基礎解決方案，後續可望激發出更多創新應用，例如即時會議輔助工具、多語言直播互動平台、智慧穿戴裝置的語音翻譯功能等。

總體而言，網易有道選擇在AI Open Day上公開這兩款同聲傳譯模型，並以開源方式釋出，不僅展現了技術自信，也為整個開源社群注入了一股新的活力。對於致力於即時語音翻譯研究的團隊與開發者來說，如今有了更強力的工具能夠快速上手，未來在實戰場景中的表現值得密切關注。