X Square Robot이 공개한 중국어·영어·코드스위칭 음성용 저지연 스트리밍 ASR 모델이다. Voxtral Mini Realtime(4B) 기반으로, 80ms마다 '더 듣기(LISTEN)'와 '디코딩(DECODE)' 중 하나를 골라 애매한 구간은 문맥을 더 기다리고 확실해지면 즉시 출력한다. 한 번 낸 텍스트는 수정하지 않는 append-only 방식이며, 새 오디오만 인코딩하고 이전 맥락은 KV 캐시로 재사용한다. README 기준 12개 테스트셋 평균 출력 지연은 12~109ms, 통합 오류율은 중국어 CER 5.65%, 영어 WER 8.35%다. 추론 전용 저장소로 Transformers·vLLM 백엔드와 웹 데모를 제공하고 가중치는 Hugging Face에 있다. Apache-2.0 라이선스.