中国团队双榜登顶！OpenAI、谷歌、英伟达集体让位

网易有道开源的真流式语音识别模型R2T2和流式翻译模型T3PO，在Hugging Face平台语音识别与翻译两条赛道登顶，超越OpenAI、谷歌、英伟达等国际大厂。

R2T2在语音识别榜位列第一，OpenAI的Whisper-large-v3排名第六；T3PO在翻译榜位居榜首，谷歌、Meta等传统翻译模型被挤至后位。

这两个模型支撑网易有道构建Voice Agent能力，实现从语音输入到实时翻译的完整闭环，解决语音转写「不反悔」的核心痛点。

全球开发者已为R2T2构建离线工具链，包括Core ML适配版、全离线字幕工具及Mac语音输入插件，Hugging Face官方提供ZeroGPU在线Demo。

测试显示R2T2在160毫秒延迟下字错误率仅3.48%，远低于Whisper的39.72%。其「最长稳定前缀」（LSP）训练方法实现精准落子无悔。

T3PO通过上下文判断决策机制，实现同传场景下「听译同步」，在复杂指令如财报解读、口头禅处理中表现稳定。

网易有道已开源R2T2和T3PO模型，覆盖语音识别、翻译及多模态能力，推动中国AI从主榜领先向全谱系领先演进。