网易有道开源两款同传模型：200 毫秒延迟的开源 SOTA，实时翻译不再依赖大厂 API

一句话结论：9 月 16 日，网易有道在 AI Open Day 上开源了两款同传模型——子曰 4-R 2 T 2（流式语音识别）和子曰 4-T 3 PO（140 亿参数的同步机器翻译）。两者都能流式输出，R 2 T 2 平均延迟仅 200 到 600 毫秒，在开源模型里达到 SOTA。这是国产开源首次把实时同传做到「快嘴也能跟得上」的水平。

AI 摘要

• 项目是什么：网易有道开源的两款同传模型，子曰 4-R 2 T 2（ASR）和子曰 4-T 3 PO（SiMT 同步翻译）。
• 核心亮点：R 2 T 2 延迟 200-600 ms，开源 SOTA；T 3 PO 是 140 亿参数的文本到文本同步翻译模型。
• 关键数据：有道 AI 同传累计服务 2500 万用户，使用次数同比增长近一倍。
• 适用边界：开源模型可自部署，但配套的实时语音 Agent「叭哥说」是闭源产品，桌面端已上线。

同传模型的难点在哪

先讲一个很多人没意识到的点：同声传译和「语音转文字再翻译」是两回事。

普通翻译流水线是「听完一句 → 识别 → 翻译 → 输出」，每一环都有延迟，加起来就是秒级起步。同传要求的是「边听边译」——说话人还在说，翻译就得开始往外冒。这对模型有两个硬要求：一是流式输出，不能等句子结束；二是延迟要压到几百毫秒，否则就跟不上正常语速。

这正是同传模型难做的地方。它要在信息不完整的情况下就做出判断，还要在「翻译质量」和「等待时间」之间找平衡——等得越久翻得越准，但用户等不起。

两款模型分别解决什么

网易有道这次开源的两款模型，恰好对应同传流水线的两个关键环节。

子曰 4-R 2 T 2 是流式语音识别（ASR）模型，负责把语音实时转成文字。它的平均延迟只有 200 到 600 毫秒，在开源模型里达到 SOTA，和闭源模型相比也不逊色。

子曰 4-T 3 PO 是同步机器翻译（SiMT）模型，参数量 140 亿，负责把识别出的文字实时翻译成目标语言。它采用了三段式训练：高质量分段对齐数据构建、翻译模型流式冷启动、基于帕累托感知的强化学习。

两款模型可以组合起来，实现从语音到文本的实时转换。现场演示了一段超快语速的实时翻译，语音被清楚翻译成中文，输出速度非常快。

为什么开源这件事值得关注

同传这个领域，过去长期被大厂 API 把持。想做实时翻译，要么接 Google、微软的翻译 API，要么用昂贵的专业同传服务。开源模型的实时能力一直是个短板。

有道这次开源 R 2 T 2 和 T 3 PO，等于把「低延迟流式同传」这个能力放进了开源生态。对开发者来说，这意味着可以自部署一套同传系统，不用依赖第三方 API，也不用把语音数据交给外部服务。

这和 VoxCPM 开源语音合成 的方向是一致的——国产开源正在把语音 AI 的各个关键环节（合成、识别、翻译）逐一开源，补齐自部署语音栈的拼图。

和商业产品是什么关系

这里要分清一件事：开源的是模型，闭源的是产品。

网易有道同时发布了一个叫「叭哥说」的 AI 原生语音 Agent，支持 100 多种语言实时互译，承诺终身免费，声音只在本地处理不上传。这是产品，桌面端已经全量上线，移动端还在开发。

开源模型是给开发者自己部署用的，叭哥说是给普通用户直接用的。两者共享底层技术，但定位不同。如果你是想自己搭同传系统，关注开源模型；如果你只是想用现成的实时翻译，关注产品。

有道还升级了办公 Agent LobsterAI 到 2.0，用户规模破百万、GitHub Star 超 6000，全面兼容 OpenClaw 2.0。这些是同一条 Agent 化路线上的产品，但核心的开源价值在同传模型上。

智盒判断

短期看，这两款模型最大的价值是「填补开源同传的空白」。之前开源生态里有好的 TTS（语音合成）、有好的 ASR，但「低延迟流式同传」这个组合能力一直缺一块。有道把这块补上了。

中期看，同传开源会带动一批「本地化、隐私优先」的实时翻译应用。当开发者能自部署同传模型，那些对数据出境敏感的场景（医疗、金融、会议）就有了不开云 API 的选择。

长期看，这背后是国产语音 AI 从「追平闭源」走向「开源领先」的又一个节点。语音合成有 VoxCPM，同传有有道这两款，识别和翻译的开源拼图正在逐渐完整。对想做语音产品的开发者来说，门槛在实实在在地降低。

FAQ

这两款模型能直接商用吗？

模型是开源的，可以下载自部署。具体商用条款以官方开源协议为准。如果只是个人研究或开发，直接拉权重跑就行。

它比 Google、微软的翻译快吗？

在「开源模型」这个范畴里，R 2 T 2 的延迟是 SOTA，和闭源模型相比也不逊色。但闭源大厂 API 有全球基础设施加持，实际部署体验取决于你的服务器和网络。开源模型的价值在于自部署和隐私控制。

我该怎么上手？

从有道官方渠道下载权重和代码，R 2 T 2 做流式识别，T 3 PO 做同步翻译，两者组合成完整同传链路。需要一定的深度学习工程能力，不是开箱即用的桌面软件。