Zum Hauptinhalt springen

NetEase YoudaoAudiomodellOffene Gewichte

Confucius4-R2T2

BeliebtheitPlatz 10 von 24 Audiomodellen

39von 100neue Berechnung

beruht auf zwei Datengruppen, überwiegend Suche, Spanne 29 bis 49

Zusammenfassung

Confucius4-R2T2 ist ein Streaming-ASR-Modell für Chinesisch und Englisch. Es baut auf Qwen3-ASR-1.7B auf, hält einen stabilen Präfix im Transkript und erlaubt konfigurierbare Dekodier-Chunks von 80 Millisekunden bis zwei Sekunden.

Die Modellkarte nennt etwa 200 bis 600 Millisekunden durchschnittliche Latenz. Die Gewichte sind lokal nutzbar und stehen unter der NetEase Model Use License Agreement.

GraduallyBench Audio

Confucius4-R2T2

Teilweise getestet
  • Der Testumfang ist unvollständig.
  • Es liegt nur ein technischer Test vor.
  • Die Auswahl der Testeingaben ist begrenzt.
  • Die genaue Modellversion ist über die Route nicht bestätigt.
  • Für Stille liegt keine belastbare Auswertung vor.
  • Der Abschluss in der Oberfläche wurde nicht bestätigt.
Testdetails anzeigen

Spracherkennung

Öffentliche Demo · Deutsch, Englisch

30 gültige Ausgaben aus 35 begonnenen und 36 geplanten Testplätzen.

Wortfehlerrate (WER)
11,2 %(58 / 518 Referenzwörter)Deutsch
Zeichenfehlerrate (CER)
3,77 %(116 / 3.074 Referenzzeichen)Deutsch
Wortfehlerrate (WER)
2,12 %(10 / 471 Referenzwörter)Englisch
Zeichenfehlerrate (CER)
1,17 %(29 / 2.481 Referenzzeichen)Englisch
Wortfehlerrate (WER)
6,88 %(68 / 989 Referenzwörter)Deutsch, Englisch
Zeichenfehlerrate (CER)
2,61 %(145 / 5.555 Referenzzeichen)Deutsch, Englisch
Stilleprüfung
Nicht verfügbarDeutsch, Englisch

Technische Messung

Öffentliche Demo · Englisch

1 gültige Ausgabe aus 1 begonnenen und 1 geplanten Testplätzen.

  • Es liegt nur ein kurzer Funktionstest vor.
  • Der Funktionstest bewertet keine inhaltliche Qualität.
  • Getestet wurde nur die angegebene Sprachauswahl.

Für diesen Test liegt kein weiterer bewerteter Messwert vor.

WER vergleicht Wörter und CER vergleicht Zeichen mit der Referenz. Die Rücktranskription der Sprachausgabe erfolgte mit GPT Transcribe. Die genaue Backend-Revision ist nicht bestätigt. Gelesene Sprache und digitale Stille decken spontane Sprache und echte Störgeräusche nicht ab. Fehlerraten können über 100 % liegen. Testreferenzen wurden, sofern verwendet, nicht unabhängig menschlich geprüft. Testumfang und Methoden unterscheiden sich je Modell. Jede Kennzahl steht für sich, einen gemeinsamen Gesamtwert über alle Tests gibt es nicht. Daten zusammengestellt am 10.11.2026. So testen wir · Alle Decision- und Audioergebnisse als JSON herunterladen

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 44 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 4

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

Confucius4-R2T2 Quality, AISHELL-1 CER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,29
Messgröße
character error rate (CER) on AISHELL-1 test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf AISHELL-1. Die Autoren berichten zeichenbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, AISHELL-2 CER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,58
Messgröße
character error rate (CER) on AISHELL-2 test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf AISHELL-2. Die Autoren berichten zeichenbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, AISHELL-3 CER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,85
Messgröße
character error rate (CER) on AISHELL-3 test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf AISHELL-3. Die Autoren berichten zeichenbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, WenetSpeech Meeting CER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
7,37
Messgröße
character error rate (CER) on WenetSpeech Meeting test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf WenetSpeech Meeting. Die Autoren berichten zeichenbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, WenetSpeech Net CER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
8,48
Messgröße
character error rate (CER) on WenetSpeech Net test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf WenetSpeech Net. Die Autoren berichten zeichenbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, LibriSpeech test-clean WER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,11
Messgröße
word error rate (WER) on LibriSpeech test-clean test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf LibriSpeech test-clean. Die Autoren berichten wortbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, LibriSpeech test-other WER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
4,81
Messgröße
word error rate (WER) on LibriSpeech test-other test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf LibriSpeech test-other. Die Autoren berichten wortbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, GigaSpeech clean WER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
10,21
Messgröße
word error rate (WER) on GigaSpeech clean test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf GigaSpeech clean. Die Autoren berichten wortbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, VoxPopuli WER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
7,26
Messgröße
word error rate (WER) on VoxPopuli test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf VoxPopuli. Die Autoren berichten wortbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
Confucius4-R2T2 Quality, TED-LIUM WER (X2Streaming-ASR Table 1) (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,45
Messgröße
word error rate (WER) on TED-LIUM test set, streaming Quality configuration
Einheit
%
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
X2Streaming-ASR paper, X Square Robot
Status
active
Abrufdatum
2026-10-22
Methodik
Unabhängige Evaluation. Confucius4-R2T2 im Streaming-Inferenzmodus „Quality“ auf TED-LIUM. Die Autoren berichten wortbezogene Fehlerrate und Ausgabelatenz relativ zum zwangsabgeglichenen Referenzende.
Einordnung
Die Studie nennt keine genaue Confucius-Checkpointrevision, Stichprobengröße je Testset, kein Konfidenzintervall und kein Messdatum. Die Quality-Spalte ist vom Speed-Modus und den gemeinsam ausgewiesenen Offlinewerten getrennt.
Quelle X2Streaming-ASR paper, X Square Robot
AMI WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
11,37
Messgröße
Wortfehlerrate
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
vendor-reported
Auswertung
Confucius4-R2T2 model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. 160 ms representative streaming configuration; true streaming, append-only
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle Confucius4-R2T2 model card
GigaSpeech clean WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
9,6
Messgröße
Wortfehlerrate
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
vendor-reported
Auswertung
Confucius4-R2T2 model card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. 160 ms representative streaming configuration; true streaming, append-only
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle Confucius4-R2T2 model card

Seite 1 von 4

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

0 bis 100, höher ist beliebter

20 von 54 Modellen

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 20. November 2026

Confucius4-R2T2Eleven v3 39GPT-Live-Transcribe 39Scribe v2 39Sonic 3.6 39

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

  1. 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
  2. 21. November 2026: Methodenversion 4 (gemeinsame Skala, Schrumpfung)
  3. 39. November 2026: Neue Topics-Erhebung V20 (Tagesquorum, Kurzformen)

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Alle technischen Daten

Architektur

Modellklasse
Streaming-Spracherkennung
Quelle: Modellklasse
Checkpoint
netease-youdao/Confucius4-R2T2
Quelle: Checkpoint
Basismodell
Auf Qwen/Qwen3-ASR-1.7B aufgebaut
Quelle: Basismodell

Ein- und Ausgabe

Eingabe
Chinesisches und englisches Audio
Quelle: Eingabe
Ausgabe
Stabiles Streaming-Transkript
Quelle: Ausgabe
Latenz
Durchschnittlich etwa 200 bis 600 Millisekunden
Quelle: Latenz

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
Lokale Gewichte
Quelle: Zugang
Lizenz
NetEase Model Use License Agreement
Quelle: Lizenz
Abschaltung
Keine angekündigt
ohne Quelle

Weitere Angaben

Dekodierung
Konfigurierbare Chunks von 80 Millisekunden bis 2 Sekunden
Quelle: Dekodierung

Quellen und Datenstand

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.