8月17-21日，国际音频领域顶级会议INTERSPEECH在荷兰鹿特丹举办。荣耀联合上海交通大学完成的两篇聚焦端侧多语种任务的研究成果成功入选INTERSPEECH2025录用论文，并受邀在会议上作技术发表。作为全球语音科学与技术领域最具权威性的学术会议之一，INTERSPEECH的认可体现了荣耀在端侧AI语音技术领域的持续努力与技术积累，这表明荣耀在全球化的AI技术交流中，取得了一定进展。 INTERSPEECH作为国际音频领域顶级会议，其收录论文代表着全球语音技术研究的最前沿方向。荣耀的两篇论文成功入选，聚焦的正是当前端侧AI语音技术的核心难题——如何在移动设备有限的算力与存储资源下，实现媲美云端的多语种实时语音识别与通话翻译体验。 据了解，荣耀研发团队与上海交通大学的联合攻关，针对“端侧实现高准确率、高响应速度翻译体验”的技术痛点提出独创性解决方案，相关技术已成功转化为可落地的端侧多语种通话翻译功能，实现了从学术研究到产业应用的无缝衔接。 在移动互联网时代，语音已成为人机交互的核心入口，而端侧语音技术的突破直接关系到用户体验。长期以来，行业面临着两难困境：依赖云端处理的语音翻译方案存在隐私泄露风险，而传统端侧方案又受限于设备算力，难以实现实时性与准确性的兼顾。 荣耀的研究项目启动之初就确立了“纯端侧实现媲美云端的通话翻译体验”的目标，这意味着研发团队必须在算力、存储、功耗多重约束下，解决两大核心挑战：一是如何让AI在极短时间内精准识词，实现低延迟与高准确率的平衡；二是如何在有限资源下保证翻译响应的流畅性与实时性。 经过多次技术迭代，荣耀团队创造性地提出两大技术方案：其一，通过创新的注意力机制与决策策略结合，让端侧AI实现流式语音识别能力，无需等待用户说完整句话即可启动识别与翻译，彻底打破传统方案的延迟瓶颈，真正做到“边说边识别”；其二，提出全新的投机采样推理模块，通过直接与主模型的“大脑”协同工作，即时读取并利用主模型已经形成的“记忆”和“思路”来高效预测接下来可能出现的词，在不降低准确性的前提下实现推理速度的显著提升。 这两项技术方案不仅通过了权威学术评审，同时在实测中展现出强大性能：将传统方案3-4GB的内存占用压缩至800MB，节省75%存储空间；翻译准确率提升16%，推理速度提升38%，真正实现了“小而美”的突破。 依托这些技术创新，荣耀成功构建起全球首个端侧语音大模型，将中、英、德、法、西、意等6个语种包嵌入仅0.8B参数量的模型中，用户无需额外下载语音包即可实现多语种互译，且支持离线使用——这意味着即便在无网络环境下，语音数据也能在本地完成处理，从源头保障隐私安全。 荣耀在端侧AI语音技术领域的突破，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体验落地到技术开源，再到端侧语音大模型突破，形成了清晰的战略演进路径。 此前，在世界人工智能大会（WAIC）期间，荣耀正式发布自研多模态感知大模型——MagicGUI大模型。作为荣耀推出的首个GUI开源大模型，MagicGUI以7B（70亿）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，比肩SOTA模型达到行业领先水平。
