传音集团手机端AI语音助手（Ella）：从架构设计到端侧实现 #

作者： 大风
日期： 2026-08-02
系列： 手机端AI产品架构设计
关键词： 传音 · Ella语音助手 · 端侧大模型 · HiOS/itelOS/XOS · 小语种ASR · 离线AI · 新兴市场

一、行业背景与传音AI战略 #

1.1 传音集团概况与市场定位 #

传音控股，被称为"非洲手机之王"，2025年全球手机出货量达1.69亿部，全球市占率12.3%排名第三。旗下拥有三大手机品牌：

除手机外，传音还构建了完整的AIoT生态：

• Boomplay — 非洲最大音乐流媒体平台之一，千万级MAU
• AHA Games — 游戏中心，覆盖新兴市场游戏分发
• Phone Master — 手机管家，装机必备工具
• Palm Store — 本地化应用商店
• Carlcare — 售后服务品牌，覆盖非洲50+国家
• oraimo — 数码配件品牌（TWS耳机、智能音箱、移动电源等）
• Syinix — 家用电器品牌

🖼 配图 1：传音集团品牌矩阵与市场分布图

graph TB
    subgraph 传音控股 Transsion
        TECNO[TECNO<br/>中高端]
        itel[itel<br/>入门级]
        Infinix[Infinix<br/>年轻科技]
    end
    
    subgraph AIoT生态
        Boomplay[Boomplay<br/>音乐]
        AHA[AHA Games<br/>游戏]
        PhoneM[Phone Master<br/>管家]
        Carl[Carlcare<br/>售后]
        orai[oraimo<br/>配件]
    end
    
    subgraph 自研OS
        HiOS[HiOS<br/>TECNO]
        itelOS[itelOS<br/>itel]
        XOS[XOS<br/>Infinix]
    end
    
    subgraph AI能力
        Ella[Ella语音助手]
        Qwen[通义千问]
        DS[DeepSeek-R1]
        AIKey[AI按键]
    end
    
    TECNO --> HiOS
    itel --> itelOS
    Infinix --> XOS
    HiOS --> Ella
    itelOS --> Ella
    XOS --> Ella
    Ella --> Qwen
    Ella --> DS
    Ella --> AIKey
    TECNO --> Boomplay
    itel --> AHA
    Infinix --> PhoneM
    TECNO --> Carl
    
    style Ella fill:#FF6B6B
    style Qwen fill:#4ECDC4
    style DS fill:#4ECDC4
    style AIKey fill:#FFEAA7

1.2 Ella语音助手：从离线助手到端侧Agent的演进 #

Ella是传音集团旗下各品牌手机的AI语音助手名称。它的演进路线深刻反映了传音在新兴市场的本地化创新路径：

关键里程碑：

• 2025.1 — 阿里云通义千问大模型搭载TECNO AI手机，基于联发科芯片深度优化
• 2024 — Infinix手机品牌接入DeepSeek-R1满血版
• 2025.3 — MWC 2026发布CAMON 50系列，首次搭载物理AI按键
• 2025.6 — 新品搭载离线翻译和语音助手等多个AI功能
• 2025.11 — 传音宣布启动香港IPO，募资10亿美元用于AI研发
• WMT2025 — 国际机器翻译大赛四项冠军，成果已落地Ella

🖼 配图 2：Ella语音助手演进时间轴

timeline
    title Ella语音助手演进路线
    2020-2022 : 1.0 离线指令阶段
              : 端侧规则引擎
              : 基础语音控制
              : 3语言支持
    2023-2024 : 2.0 离线+云端混合
              : 小语种ASR突破
              : Infinix接入DeepSeek-R1
              : 离线翻译落地
    2025 : 3.0 端侧大模型Agent
         : 通义千问端侧部署
         : AI物理按键
         : WMT2025四冠
         : 港股IPO募资AI
    2026+ : 下一代Agent框架
          : 端到端语音大模型
          : AI眼镜语音交互
          : 100+语言覆盖

1.3 传音AI战略核心信息 #

硬件端：

• AI物理按键：TECNO CAMON 50系列首次搭载，短按唤醒Ella、长按深度对话、双击一键问屏
• 芯片适配：与联发科深度合作，在天玑9300/9400上部署通义千问；同时适配展锐低端芯片
• 影像AI：AI RAW 2.0图像引擎、AI Auto Zoom等AI影像功能

软件端：

• 大模型接入：通义千问 + DeepSeek-R1双引擎
• Google Cloud合作：一键问屏、AI搜索、通话摘要、AI Writing
• Agent框架：下一代Agent框架构建中
• 小语种技术：WMT2025四冠，非洲/南亚50+语言覆盖

战略方向（竺兆江2025Q3业绩会披露）：

“公司希望推动AI应用和AI终端技术在新兴市场的创新和普及，为消费者带来更优化、更智能的用户体验。”

1.4 岗位职责映射：架构师在传音语音助手中的核心定位 #

根据岗位需求，我们将架构师职责映射到Ella语音助手的具体模块：

二、总体架构设计 #

2.1 传音Ella语音助手架构设计三原则 #

┌───────────────────────────────────────────────────────────────┐
│              传音Ella语音助手架构设计三原则                      │
├─────────────────┬─────────────────┬───────────────────────────┤
│   稳健 Robust   │   前瞻 Forward   │      可扩展 Scalable       │
│                 │   Looking       │                            │
│ • 离线全可用     │ • Agent原生框架  │ • 1+N 插件架构              │
│ • 弱网强兜底     │ • 端到端语音模型  │ • 多芯片适配               │
│ • 低端机可用     │ • 多模态融合     │   (MTK/展锐/高通)           │
│ • 小语种优先     │ • 多品牌差异化   │ • 模型OTA热更新             │
│ • 隐私优先       │ • AIoT全场景     │ • 生态服务可扩展             │
└─────────────────┴─────────────────┴───────────────────────────┘

稳健（Robust） 是传音架构的第一原则。新兴市场网络基础设施薄弱，30%用户可能处于断网状态，40%处于2G/3G弱网。Ella必须做到离线全可用——核心语音识别、意图理解、手机操作在断网时100%可用。

前瞻（Forward Looking） 要求架构面向未来3-5年。Agent原生框架设计、端到端语音大模型预研、多模态AI眼镜语音交互集成，这些都是2026-2028年的技术方向，架构必须提前预留接口。

可扩展（Scalable） 体现在三个层面：芯片层面适配天玑/展锐/高通多平台，系统层面兼容HiOS/itelOS/XOS三套OS，生态层面支持Boomplay/AHA Games/Carlcare等自有服务以及第三方Agent接入。

2.2 四层架构总览（传音定制版） #

🖼 配图 3：Ella语音助手四层架构全景图

graph TB
    subgraph Layer1[用户交互层]
        AIKey[AI物理按键<br/>短按/长按/双击]
        Voice[语音输入<br/>50+语言]
        Touch[屏幕触摸<br/>一键问屏]
        Glasses[AI眼镜语音<br/>MWC 2026]
    end
    
    subgraph Layer2[感知层 Perception]
        KWS[多语种KWS<br/>50+语言唤醒]
        VAD[VAD语音活动检测]
        ASR[多语种ASR<br/>Paraformer/自研]
        NLU[语义理解<br/>意图识别]
        MultiModal[多模态融合<br/>语音+屏幕+传感器]
    end
    
    subgraph Layer3[认知层 Cognition]
        LLM[端侧LLM<br/>通义千问/DeepSeek]
        Trans[小语种翻译<br/>WMT冠军技术]
        Memory[上下文记忆<br/>端侧持久化]
        Emotion[情感理解<br/>语调/语义分析]
    end
    
    subgraph Layer4[决策层 Decision]
        Router[Intent路由<br/>端/云分发]
        Agent[Agent规划<br/>任务分解]
        FC[Function Calling<br/>工具调用]
        Guard[安全护栏<br/>权限/内容/幻觉]
    end
    
    subgraph Layer5[执行层 Execution]
        OSAPI[HiOS/itelOS/XOS API]
        AppDispatch[跨应用调度<br/>Intent转发]
        EcoTools[生态工具链<br/>Boomplay/AHA/Carlcare]
        Output[TTS语音反馈<br/>多语种]
    end
    
    subgraph External[外部增强]
        Cloud[Google Cloud<br/>云端增强]
        Qwen[阿里云通义千问<br/>云端大模型]
    end
    
    AIKey --> KWS
    Voice --> KWS
    Touch --> MultiModal
    Glasses --> Voice
    
    KWS --> VAD
    VAD --> ASR
    ASR --> NLU
    NLU --> MultiModal
    MultiModal --> LLM
    
    LLM --> Trans
    LLM --> Memory
    LLM --> Emotion
    
    LLM --> Router
    Router --> Agent
    Agent --> FC
    FC --> Guard
    
    Guard --> OSAPI
    OSAPI --> AppDispatch
    AppDispatch --> EcoTools
    EcoTools --> Output
    Output --> AIKey
    
    Router -.弱网/云端.-> Cloud
    LLM -.复杂推理.-> Qwen
    
    style Layer1 fill:#FFEAA7
    style Layer2 fill:#74B9FF
    style Layer3 fill:#A29BFE
    style Layer4 fill:#FD79A8
    style Layer5 fill:#55EFC4
    style External fill:#DFE6E9

2.3 端云协同架构（传音定制版） #

传音的端云协同架构必须深度适配新兴市场网络环境：

🖼 配图 4：传音端云协同架构图

graph TB
    User[用户<br/>语音/按键输入] --> Perceive[感知层<br/>KWS → VAD → ASR → NLU]
    
    Perceive --> Router{端云路由器<br/>网络状态 + 任务复杂度}
    
    Router -->|断网| LocalOnly[纯端侧处理]
    Router -->|弱网| LocalFirst[端侧优先<br/>云端增强]
    Router -->|稳定网络| FullCloud[端云协同]
    
    LocalOnly --> LocalLLM[端侧LLM<br/>通义千问3B/DeepSeek蒸馏]
    LocalLLM --> LocalFC[端侧Function Calling]
    LocalFC --> LocalExec[端侧执行<br/>OS API + 生态服务]
    
    LocalFirst --> LocalLLM
    LocalFirst --> LightCloud[云端轻量API<br/>搜索增强/知识补充]
    LightCloud --> LocalExec
    
    FullCloud --> CloudLLM[云端大模型<br/>Google Cloud / 通义千问云端版]
    CloudLLM --> CloudExec[云端执行 + 端侧回调]
    
    LocalExec --> Feedback[TTS多语种语音输出]
    CloudExec --> Feedback
    Feedback --> User
    
    style LocalOnly fill:#55EFC4
    style LocalFirst fill:#FFEAA7
    style FullCloud fill:#74B9FF
    style Router fill:#FF6B6B

2.4 架构权衡：四维约束分析（传音场景） #

关键设计决策：

1. 小语种优先：与苹果/华为不同，传音必须优先保证非洲/南亚小语种的ASR准确率，这是核心竞争力
2. 低端机兜底：itel品牌大量出货在$50-$100价位段，2GB RAM是常态，架构必须适配
3. 离线第一：30%断网率意味着离线能力不是锦上添花，而是基本要求
4. 隐私信任：新兴市场用户对数据隐私高度敏感，端侧处理是建立信任的关键

三、感知层设计：听清·听懂·多语种 #

3.1 多语种KWS + VAD：50+语言唤醒 #

传音语音助手的核心差异化竞争力之一是小语种支持。这是与Siri、小爱同学等国内语音助手最本质的区别。

语言覆盖策略：

性能指标：

🖼 配图 5：感知层数据流时序图

sequenceDiagram
    participant User as 用户
    participant DSP as DSP/NPU<br/>低功耗常驻
    participant KWS as KWS引擎<br/>50+语言
    participant VAD as VAD检测
    participant ASR as ASR引擎<br/>多语种
    participant NLU as NLU<br/>意图理解
    participant LLM as 端侧LLM
    
    User->>DSP: 语音输入
    DSP->>DSP: 音频采集(16kHz/24bit)
    DSP->>KWS: 音频流输入
    KWS->>KWS: 50+语言唤醒词匹配
    KWS-->>User: 唤醒成功(震动+音效)
    
    KWS->>VAD: 激活语音活动检测
    VAD->>VAD: 检测语音起始/结束
    VAD->>ASR: 有效语音段输入
    
    ASR->>ASR: 多语种语音识别<br/>(语言自动检测)
    ASR->>NLU: 识别文本 + 置信度
    NLU->>LLM: 意图理解结果
    
    LLM->>LLM: 认知层处理...
    
    Note over DSP,KWS: KWS常驻功耗: ≤1.2%电池/天
    Note over ASR,LLM: ASR延迟: ~100ms<br/>NLU延迟: ~50ms

3.2 多语种ASR语音识别 #

ASR是感知层的核心。传音采用多模型并存策略，不同语言使用不同模型：

语言自动检测（LID）策略：

输入音频 → LID模型(轻量) → 判断语言类别
    ├── 中文/英语 → Paraformer-large
    ├── 斯瓦希里语/豪萨语 → 传音自研ASR
    └── 其他/未知 → Whisper-tiny兜底

🖼 配图 6：多语种ASR路由决策图

graph TD
    A[输入音频] --> B[LID轻量模型<br/>语言检测]
    B -->|中文| C[Paraformer-large]
    B -->|英语| C
    B -->|斯瓦希里语| D[传音自研ASR]
    B -->|豪萨语| D
    B -->|约鲁巴语| D
    B -->|阿姆哈拉语| D
    B -->|其他语言| E[Whisper-tiny兜底]
    B -->|未知语言| E
    
    C --> F[输出文本 + 置信度]
    D --> F
    E --> F
    
    F --> G{置信度 ≥ 85%?}
    G -->|是| H[送入NLU]
    G -->|否| I[请求云端ASR增强]
    I --> J[云端返回增强结果]
    J --> H
    
    style A fill:#FFEAA7
    style C fill:#4ECDC4
    style D fill:#4ECDC4
    style E fill:#FFEAA7
    style H fill:#95E1D3
    style I fill:#FF6B6B

3.3 多模态感知融合 #

Ella不仅听语音，还融合多种感知输入：

四、认知层设计：端侧大模型核心 #

4.1 传音端侧LLM选型与部署 #

传音已接入两大基座模型，形成双引擎驱动：

关键合作成果（传音 × 阿里云）：

在CAMON 50系列手机上，传音与阿里云基于联发科天玑9300芯片进行了大量技术创新，在模型瘦身、工具链优化、推理优化、内存优化等多个维度展开合作。借助阿里巴巴淘系最新开源的MNN-LLM大模型推理引擎的高效GPU加速能力，真正把大模型"装进"手机中。

部署策略：按机型分层

4.2 “1+N” 架构：基础模型 + 场景插件 #

🖼 配图 7：Ella 1+N 架构设计图

graph TB
    subgraph 1[1 基础大模型]
        Base[通义千问3B / DeepSeek蒸馏版<br/>端侧推理引擎]
    end
    
    subgraph N[N 场景插件]
        Trans[小语种翻译<br/>WMT冠军技术]
        Write[AI写作<br/>邮件/短信/社媒文案]
        Summary[通话摘要<br/>自动总结通话]
        Search[AI搜索<br/>一键问屏]
        PhoneOp[手机操作<br/>打电话/发短信/开应用]
        Music[Boomplay音乐<br/>语音点播/推荐]
        Image[AI影像增强<br/>AI RAW 2.0]
        Game[AHA Games<br/>游戏辅助]
    end
    
    Base --> Trans
    Base --> Write
    Base --> Summary
    Base --> Search
    Base --> PhoneOp
    Base --> Music
    Base --> Image
    Base --> Game
    
    style Base fill:#FF6B6B
    style Trans fill:#4ECDC4
    style Write fill:#4ECDC4
    style Summary fill:#4ECDC4
    style Search fill:#4ECDC4
    style PhoneOp fill:#95E1D3
    style Music fill:#95E1D3
    style Image fill:#95E1D3
    style Game fill:#95E1D3

插件分类：

4.3 推理加速关键技术 #

4.4 端侧个性化记忆 #

🖼 配图 8：端侧记忆管理架构图

graph TB
    subgraph 短期记忆 Session Memory
        SM[(会话上下文<br/>最近100轮对话)]
    end
    
    subgraph 中期记忆 Profile Memory
        PM[(用户画像<br/>偏好/习惯/常用语言)]
    end
    
    subgraph 长期记忆 Knowledge Memory
        KM[(用户知识库<br/>联系人/日程/笔记)]
    end
    
    subgraph 端侧存储
        SQLite[(SQLite 本地数据库<br/>加密存储)]
    end
    
    LLM[端侧LLM] --> SM
    SM --> PM
    PM --> KM
    SM --> SQLite
    PM --> SQLite
    KM --> SQLite
    
    SQLite -.云端同步.-> Cloud[(Google Cloud<br/>加密备份)]
    
    style SM fill:#FFEAA7
    style PM fill:#4ECDC4
    style KM fill:#A29BFE
    style SQLite fill:#55EFC4
    style Cloud fill:#DFE6E9

五、决策层设计 #

5.1 Intent路由与Agent规划 #

🖼 配图 9：Ella Intent路由决策树

graph TD
    A[用户语音输入<br/>NLU结果] --> B{端侧可处理?}
    
    B -->|是| C{任务类型}
    B -->|否| D[路由至云端<br/>Google Cloud]
    
    C -->|手机操作| E[Function Calling<br/>OS API调用]
    C -->|AI对话| F{对话复杂度}
    C -->|翻译| G[端侧翻译模型]
    C -->|AI写作| H[端侧LLM生成]
    C -->|音乐播放| I[Boomplay API]
    
    F -->|≤10轮| J[端侧LLM直接响应]
    F -->|>10轮| D
    
    D --> K[云端大模型推理]
    K --> L[返回结果到端侧]
    L --> M[端侧TTS输出]
    
    E --> N[执行结果反馈]
    G --> M
    H --> M
    I --> O[音乐播放]
    J --> M
    N --> M
    
    style A fill:#FFEAA7
    style B fill:#FF6B6B
    style D fill:#FF6B6B
    style J fill:#4ECDC4
    style M fill:#55EFC4

5.2 Function Calling 端侧实现 #

端侧FC调用示例：

{
  "intent": "send_message",
  "parameters": {
    "contact": "Mom",
    "message": "I'll be home late today",
    "language": "swahili"
  },
  "confidence": 0.96,
  "execution": "local"
}

5.3 Agent框架设计（传音下一代） #

根据竺兆江2025Q3业绩会披露，传音正在构建下一代Agent框架：

🖼 配图 10：Ella Agent框架时序图

sequenceDiagram
    participant User as 用户
    participant Ella as Ella Agent<br/>Orchestrator
    participant Planner as 规划Agent
    participant TransAgent as 翻译Agent
    participant PhoneAgent as 手机操作Agent
    participant SearchAgent as AI搜索Agent
    participant EcoAgent as 生态服务Agent
    
    User->>Ella: 复杂语音指令<br/>"帮我查一下明天天气，然后给Mom发个消息"
    Ella->>Ella: Intent解析 + 任务分解
    Ella->>Planner: 任务规划
    Planner->>Planner: 分解为2个子任务
    
    Planner->>SearchAgent: 子任务1: 查询明天天气
    SearchAgent->>SearchAgent: 调用天气API(云端)
    SearchAgent-->>Planner: 返回天气结果
    
    Planner->>PhoneAgent: 子任务2: 给Mom发消息
    PhoneAgent->>PhoneAgent: Function Calling<br/>OS API调用
    PhoneAgent-->>Planner: 消息发送成功
    
    Planner-->>Ella: 全部子任务完成
    Ella->>Ella: 结果汇总
    Ella->>User: TTS多语种语音反馈<br/>"明天天气晴，消息已发送"

5.4 安全护栏设计 #

六、执行层设计 #

6.1 传音OS系统API集成 #

传音拥有三套自研OS，Ella需要适配每套OS的API能力：

6.2 传音生态跨应用调度 #

🖼 配图 11：Ella执行层生态集成图

graph TB
    subgraph Ella执行引擎
        Guard[安全护栏<br/>权限校验]
        FC[Function Calling<br/>工具调度]
    end
    
    subgraph 传音自有生态
        Boomplay[Boomplay<br/>音乐流媒体<br/>千万级MAU]
        AHA[AHA Games<br/>游戏中心]
        PhoneM[Phone Master<br/>手机管家]
        Palm[Palm Store<br/>应用商店]
        Carl[Carlcare<br/>售后服务]
    end
    
    subgraph OS系统能力
        Phone[电话/短信]
        Camera[相机/相册]
        Calendar[日历]
        Settings[系统设置]
    end
    
    subgraph 第三方服务
        WhatsApp[WhatsApp]
        Maps[地图导航]
        Browser[浏览器]
    end
    
    Guard --> FC
    FC --> Boomplay
    FC --> AHA
    FC --> PhoneM
    FC --> Palm
    FC --> Carl
    FC --> Phone
    FC --> Camera
    FC --> Calendar
    FC --> Settings
    FC --> WhatsApp
    FC --> Maps
    FC --> Browser
    
    style Ella执行引擎 fill:#FF6B6B
    style Boomplay fill:#4ECDC4
    style Phone fill:#95E1D3
    style WhatsApp fill:#DFE6E9

生态服务集成详情：

6.3 AI按键与多入口设计 #

TECNO CAMON 50系列首次搭载物理AI按键，这是传音AI手机的标志性创新：

🖼 配图 12：AI按键多入口交互流程图

stateDiagram-v2
    [*] --> 待机
    
    待机 --> 短按AI键: 短按
    短按 --> Ella唤醒: 语音输入
    Ella唤醒 --> 语音交互: 正常对话
    语音交互 --> 待机: 完成/超时
    
    待机 --> 长按AI键: 长按
    长按 --> 深度对话: AI深度模式
    深度对话 --> 复杂推理: 调用端侧/云端LLM
    复杂推理 --> 待机: 完成/超时
    
    待机 --> 双击AI键: 双击
    双击 --> 一键问屏: 屏幕内容AI解读
    一键问屏 --> 屏幕分析: OCR + LLM分析
    屏幕分析 --> 待机: 完成/超时
    
    待机 --> 语音唤醒: 说出唤醒词
    语音唤醒 --> Ella唤醒: KWS匹配成功

AI按键交互规范：

七、端云协同架构详解 #

7.1 端侧 vs 云端分工矩阵（传音版） #

7.2 端云路由策略 #

🖼 配图 13：传音端云路由决策流程图

graph TD
    A[用户输入] --> B{网络状态?}
    
    B -->|断网| C[纯端侧处理]
    B -->|弱网<br/>2G/3G| D{任务复杂度}
    B -->|稳定网络<br/>4G/WiFi| E{任务复杂度}
    
    D -->|简单| C
    D -->|中等| F[端侧处理 +<br/>云端轻量API]
    D -->|复杂| G[端侧LLM +<br/>云端增强]
    
    E -->|简单| C
    E -->|中等| G
    E -->|复杂| H[完整端云协同<br/>云端深度推理]
    
    C --> I[端侧TTS输出]
    F --> I
    G --> I
    H --> I
    
    style C fill:#55EFC4
    style F fill:#FFEAA7
    style G fill:#74B9FF
    style H fill:#A29BFE
    style I fill:#95E1D3

7.3 降级策略：弱网/断网兜底保障 #

这是传音架构的核心竞争力之一。在非洲、南亚等新兴市场，70%的用户可能处于弱网或断网状态。

断网时仍可用的核心能力：

• ✅ 语音唤醒（50+语言KWS）
• ✅ 基础ASR识别
• ✅ 端侧LLM多轮对话（10轮以内）
• ✅ 小语种翻译
• ✅ 手机操作（打电话、发短信、开应用、设闹钟等）
• ✅ AI写作（基础版本）
• ✅ 通话摘要
• ❌ AI搜索（需网络）
• ❌ Boomplay音乐点播（需网络）
• ❌ 复杂推理（需云端大算力）

八、工程实现与部署 #

8.1 芯片与推理框架适配（传音机型矩阵） #

传音的机型覆盖从$50到$500+的宽价位段，芯片平台多样：

关键发现： 传音大量出货机型（itel品牌）使用的是无NPU的展锐芯片，这意味着推理必须依赖CPU/GPU，延迟和功耗是巨大挑战。

8.2 分层部署策略 #

🖼 配图 14：传音机型分层部署策略图

graph TB
    subgraph 高端机型 TECNO CAMON 50系列
        H1[通义千问3B<br/>4bit量化]
        H2[DeepSeek蒸馏版]
        H3[完整插件生态]
        H1 --> H2
        H2 --> H3
    end
    
    subgraph 中端机型 Infinix Hot系列
        M1[通义千问3B<br/>4bit量化]
        M2[基础插件生态]
        M1 --> M2
    end
    
    subgraph 入门机型 itel A系列
        L1[自研轻量模型1B<br/>4bit量化]
        L2[核心插件<br/>手机操作/翻译]
        L1 --> L2
    end
    
    style H1 fill:#FF6B6B
    style M1 fill:#4ECDC4
    style L1 fill:#95E1D3

8.3 低端机适配策略（2GB RAM挑战） #

这是传音区别于苹果/三星的核心技术挑战。itel品牌大量出货在$50-$100价位段，2GB RAM是常态。

低端机模型瘦身方案：

原始模型: 7B参数 → 蒸馏到3B → 4bit AWQ量化 → 1.8GB
                              → 继续蒸馏到1B → 4bit量化 → 600MB ✅
                              适用于2GB RAM机型

8.4 功耗与热管理 #

九、关键技术攻关 #

9.1 攻关1：小语种ASR准确率从82%→92% #

小语种ASR是传音的核心竞争力，也是最大技术挑战。

🖼 配图 15：小语种ASR优化瀑布图

小语种ASR准确率优化瀑布图 (斯瓦希里语)

基线 Whisper-tiny          ████████████████████████████████████████  82%
+ 传音数据集(10000h)        ████████████████████████████████████████████████  86%
+ 迁移学习+数据增强         █████████████████████████████████████████████████████████  89%
+ 端到端微调(Paraformer)    ████████████████████████████████████████████████████████████████  91%
+ 多语种联合训练            ██████████████████████████████████████████████████████████████████████  92%

目标: 95%  ← 仍需提升3%

9.2 攻关2：低端机（2GB RAM）端侧推理延迟从350ms→200ms #

9.3 攻关3：离线多轮对话100轮无卡顿 #

9.4 攻关4：AI按键端到端延迟优化（500ms→200ms） #

十、未来演进路线 #

10.1 2026：Ella Agent框架量产 #

• 下一代Agent框架正式落地，支持多Agent协作
• AI按键全面普及至TECNO全系
• 多模态AI眼镜（MWC 2026已发布）语音交互集成
• 端侧大模型升级至5B参数（高端机型）

10.2 2027：端到端语音大模型 #

• 端到端语音→语音大模型（跳过文本中间态）
• 100+语言覆盖，包括非洲少数民族语言
• 情感语音合成（TTS）支持小语种
• 跨设备Agent协作（手机+眼镜+音箱）

10.3 2028+：Agent生态与服务分发网络 #

• 第三方Agent接入Ella平台
• 新兴市场服务分发网络（本地商户/政府服务/金融服务）
• AIoT全场景联动（手机+眼镜+音箱+家电）
• 主动智能服务（基于用户行为的预判式服务）

🖼 配图 16：Ella技术演进路线图

gantt
    title Ella语音助手技术演进路线图
    dateFormat  YYYY-Q
    axisFormat  %Y Q%q
    
    section 2025
    通义千问端侧部署          :done, 2025-Q1, 2025-Q4
    AI物理按键(CAMON 50)      :done, 2025-Q2, 2025-Q3
    WMT2025四冠落地           :done, 2025-Q3, 2025-Q4
    离线多轮对话              :done, 2025-Q2, 2025-Q4
    
    section 2026
    下一代Agent框架           :active, 2026-Q1, 2026-Q4
    AI按键全系普及            :2026-Q1, 2026-Q3
    AI眼镜语音集成            :2026-Q2, 2026-Q4
    端侧5B模型(高端)          :2026-Q3, 2026-Q4
    
    section 2027
    端到端语音大模型          :2027-Q1, 2027-Q4
    100+语言覆盖              :2027-Q1, 2027-Q3
    情感TTS小语种             :2027-Q2, 2027-Q4
    跨设备Agent协作           :2027-Q3, 2027-Q4
    
    section 2028+
    第三方Agent平台           :2028-Q1, 2028-Q4
    新兴市场服务分发网络      :2028-Q1, 2028-Q4
    AIoT全场景联动            :2028-Q2, 2028-Q4
    主动智能服务              :2028-Q3, 2028-Q4

附录 #

A. 传音Ella语音助手关键术语表 #

B. 参考信息 #

• 传音控股港股IPO招股书（2025.12）
• 竺兆江2025Q3业绩说明会
• MWC 2026 TECNO生态发布会（CAMON 50系列）
• 传音 × 阿里云通义千问合作（2025.1）
• Infinix接入DeepSeek-R1满血版（2024）
• WMT2025国际机器翻译大赛四项冠军
• IDC全球手机季度跟踪报告（2025）
• 南都记者报道：传音搭载通义千问大模型（2025.1.7）

C. 性能测试环境 #

全文完。