在荷兰鹿特丹，国际音频领域的顶级盛会INTERSPEECH于近日圆满落幕。此次大会中，荣耀携手上海交通大学所取得的两项研究成果，成功吸引了全球语音科学界的目光。荣耀的两篇论文，聚焦于端侧多语种任务的解决方案，不仅被INTERSPEECH2025录用，更获得了在大会上展示技术成果的宝贵机会。这一成就，标志着荣耀在端侧AI语音技术领域的深耕细作得到了国际权威学术会议的认可。
INTERSPEECH作为国际音频领域的风向标，其收录的论文代表了全球语音技术研究的最新趋势。荣耀与上海交通大学的合作研究，正是针对当前端侧AI语音技术面临的重大挑战：在移动设备有限的计算与存储资源下，如何实现与云端相媲美的多语种实时语音识别与通话翻译体验。这一研究，无疑为行业带来了新的突破。
在INTERSPEECH的学术交流现场，荣耀的两位AI专家详细阐述了团队的创新成果。据了解，荣耀研发团队与上海交通大学共同攻克了“端侧实现高准确率、高响应速度翻译体验”的技术难题，提出了独创性的解决方案，并将相关技术成功转化为实际应用，实现了从学术研究到产业应用的无缝对接。
在移动互联网时代，语音已成为人机交互的关键方式，而端侧语音技术的突破对于提升用户体验至关重要。然而，行业一直面临两难选择：依赖云端处理的语音翻译方案存在隐私泄露的风险，而传统端侧方案则受限于设备算力，难以实现实时性与准确性的平衡。荣耀的研究项目从一开始就确立了“纯端侧实现媲美云端的通话翻译体验”的目标，这要求研发团队在算力、存储、功耗等多重约束下，解决两大核心难题。
经过不懈努力，荣耀团队创新性地提出了两大技术方案。首先，通过创新的注意力机制与决策策略的结合，实现了端侧AI的流式语音识别能力，用户无需等待说完整句话即可启动识别与翻译，大大降低了延迟。其次，提出了全新的投机采样推理模块，该模块与主模型协同工作，能够高效预测接下来可能出现的词汇，从而在不影响准确性的前提下，显著提升了推理速度。
这两项技术方案不仅在学术评审中获得了高度评价，在实际测试中也展现出了卓越的性能。它们成功地将传统方案3-4GB的内存占用压缩至800MB，节省了75%的存储空间；同时，翻译准确率提升了16%，推理速度提升了38%，实现了“小而美”的技术突破。依托这些创新，荣耀成功构建了全球首个端侧语音大模型，该模型嵌入了中、英、德、法、西、意等6个语种包，仅需0.8B参数量，用户无需额外下载语音包即可实现多语种互译，并支持离线使用，从源头上保障了隐私安全。
荣耀在端侧AI语音技术领域的这一突破，并非偶然，而是品牌长期深耕AI战略的必然结果。自阿尔法战略公布以来，荣耀在AI技术领域的投入始终保持持续性与前瞻性，从AI体验的落地到技术的开源，再到端侧语音大模型的突破，荣耀形成了一条清晰的战略演进路径。此前，在世界人工智能大会期间，荣耀还发布了自研的多模态感知大模型MagicGUI，以7B参数规模，支撑底层AI智能体的多模态感知与自动执行规划能力，达到了行业领先水平。
