摘要：
... 在AI工具导航的实时翻译分类里，端到端成品链路长期占据主流，但可自由拼装的开源组件一直稀缺。2026年9月16日，网易有道发布Confucius4-T3PO，一款流式同声传译模型，以Apache 2.0许可开放权重，支持中英双向逐块翻译，可本地部署。对于关注AI模型库的开发者，这提供了一个把识别、翻译、合成各自解耦的选项。
流式同传的核心：阅读与写出决策
同传最核心的矛盾是译文要尽早给出，质量又不能塌。整句翻译可以读完全句再处理，同传不行，它必须在信息尚不完整时作决定。Confucius4-T3PO对每一块新到的文本自主判断：上下文仍不明确就继续等待，信息足够就立即产出一段译文。已提交的译文遵循append-only原则，不再因后续输入而改写。这套决策让译文与原文同步推进，而不是把整段话拆成独立句子分别翻译，避免了句间指代与语气断裂。
交错历史协议与KV缓存复用
模型维护两份状态：已提交的原文与译文成对保存，尚未提交的原文单独缓冲。输入序列按交错历史协议组织，稳定前缀得以保留，推理时可直接复用键值缓存，减少重复计算。长会话的显存与算力开销不随对话长度线性上升，已翻译部分保持稳定，不会在后续轮次被重算改写。
训练：帕累托感知强化学习
训练流程分三步：构建分段对齐的高质量数据、让翻译模型完成流式冷启动、再用前沿感知的强化学习联合优化质量与延迟。官方说明，相比常规强化学习方案，该方法更有效地推进了质量与延迟的前沿，避开延迟压得过低、译文质量塌陷的区间。
与同类方案的差异
Qwen3.8-LiveTranslate和Gemini 3.5 Live Translate都直接处理音频，属于成品链路；Confucius4-T3PO处理文本，可自由拼装识别与合成环节。语言覆盖上，本模型以中英双向为主，另外两款分别覆盖60种和70多种语言。可控性是另一处分野：本模型开放权重，允许改词表、调读写阈值，另外两款能力边界由平台定义。选型时先确认是否需要把识别、翻译、合成各自替换，再判断哪种形态更合适。
配套链路与应用场景
模型本身不处理语音输入。把它与同批开源的Confucius4-R2T2串联，语音先经流式识别得到稳定文本，再交给本模型判断何时开始翻译，整条链路即构成可本地部署的实时语音口译方案。需要语音输出时，末端接入语音合成模型即可。应用场景包括会议与商务同传、直播与短剧字幕、跨语言语音智能体，以及法律、医疗、金融等术语敏感场景。适用人群：需要在本地部署同传能力的工程团队、对数据不出内网有要求的机构，以及希望在开源链路上自行调整翻译策略的研究人员。
使用与开源
模型环境要求与Qwen2.5-14B-Instruct一致，权重已在Hugging Face与ModelScope上架，支持Transformers与vLLM加载。使用时分两步：把已提交的原文与译文写入STREAMING_HISTORY，未提交的原文放入CURRENT_INPUT；返回为空或仅含终止符时继续等待，返回内容时把该段原文与译文提交进历史。按场景在低延迟与高质量之间切换档位。Apache 2.0许可允许免费下载用于本地部署与二次开发，社区已发布多个GGUF量化版本，显存有限的设备也能运行。对于AI办公软件推荐场景，会议双语字幕与跨语言实时交互链路可直接受益。