以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
Streaming speech recognition is increasingly consumed by machines, such as translators and voice agents, that act on each token as it appears. A token that is later revised costs wasted work or a wrong action. In this work, we present Confucius4-R2T2 (short for Real Real-Time Transcription), a stable-prefix streaming A
阅读原文 · Daniel Huang, Qi He, Shaoxiong Duan, Yingjie Li, Qiao Cheng, Yitao Duan
向阳乔木 · opencode-go/deepseek-v4.1-flash
语音识别的下游消费者正在变成机器：翻译器、语音 Agent，它们拿到一个 token 就立刻行动。这时 ASR 如果后面又改字，代价不只是屏幕上的文字跳动，而是白干一遍活，或者执行了错误的动作。 这篇论文要解决的就是这个痛点。 Confucius4-R2T2 的核心承诺是：已经吐出来的字，永远不改。 同时还要保住准确率和低延迟。这个组合在流式 ASR 里并不...