本文综述多项语音翻译与文本生成研究：改进分块束搜索以平衡质量与延迟，在MuST-C上BLEU提升0.6-3.6、延迟降低0.8-1.4秒；提出决策主动规范化方法提升同声传译性能；采用单向注意力等技术降低83%延迟；提出BiLD双模型框架实现最高2.38倍加速；并探索延迟标记、动态编码器、实时多语言语音翻译系统及TTS鲁棒性改进。