T3PO – 网易有道开源实时同传翻译模型

T3PO 全称 simulTaneous Translation via pareTo Policy Optimization，是网易有道子曰4系列推出的流式文本同步翻译模型，参数规模 140 亿，采用 Apache2.0 开源协议，支持商用部署。该模型面向实时同传场景开发，接收流式增量文本输入，自主判断翻译触发时机，平衡输出延迟与译文质量。模型原生支持中英互译，可搭配 R2T2 语音识别模型组成完整语音翻译链路，打破传统翻译需要等待整句输入完成的限制，边接收文本边输出译文，适配高速连续对话场景。量化版本支持本地硬件加载，降低部署门槛，在 Hugging Face 翻译榜单获得大量开发者关注。

T3PO特点

内置多档输出模式，切换低延迟、均衡、高质量三种输出策略。

采用帕累托策略优化训练方式，动态调整翻译启停时机。

原生适配流式输入，分段处理增量文本，不需要等待完整句子。

支持 GGUF 量化压缩，适配不同算力设备离线运行。

模型输出译文保持语句连贯性，应对快语速长段落内容维持稳定输出效果。

T3PO优势

开源协议允许商业项目直接集成，不产生额外授权成本。

延迟可控，短时间内返回翻译结果，适配直播、会议这类对时效敏感场景。

和主流流式 ASR 模型兼容，快速搭建端到端语音翻译管线。

量化包体积精简，普通消费级显卡即可完成本地推理。

译文输出连贯性强，断句处理贴合口语表达习惯，减少生硬翻译断句问题。

T3PO项目地址

• GitHub仓库：https://github.com/netease-youdao/Confucius4-T3PO

T3PO功能

执行中英双向实时文本同传，分段流式输出译文。

调整模型推理参数，切换不同延迟与质量档位。

批量处理长文本流，持续输出翻译结果。导出模型量化文件，在本地设备独立运行推理。

对接外部语音识别输出文本，串联完成语音转文字再翻译的完整流程。

保存翻译会话日志，查看每一段文本的翻译输出记录。

T3PO应用场景

线上国际会议，生成实时双语字幕，同步展示发言译文。

跨境直播，对主播语音做实时翻译字幕展示。

线上跨国课程，为外语授课内容生成同步字幕。

AI 语音智能体开发，搭建双语实时对话交互能力。

视频素材预处理，批量生成直播、访谈类素材的双语字幕文件。

T3PO如何使用

1. 前往 Hugging Face 项目页面，获取 T3PO 模型权重文件，按需下载对应量化版本。
2. 准备推理运行环境，安装模型加载、文本流处理所需依赖库。
3. 配置输入流，接入 R2T2 或其他流式 ASR 输出文本，设置模型运行档位。
4. 启动推理服务，输入增量文本，模型自动判断节点并返回译文。
5. 采集输出译文，对接字幕渲染模块，完成双语内容展示。
6. 调整参数，对比不同档位下延迟和译文表现，选定适配业务的配置。

T3PO同类产品对比

表格