国内语音大模型赛道已形成 车企自研（理想、问界、小米）、科技巨头底层赋能（阿里、百度、腾讯、字节） 和 专业语音厂商（科大讯飞） 三大阵营，2026 年纷纷加速在车载场景的落地。

一、车企自研语音大模型

1. 理想、问界、小米

2024 年底就有媒体对这三家车型的大模型进行了对比测试，聚焦交互体验、出行推荐、娱乐功能和信息问答等方面。

理想汽车在生态整合上表现出优势，其自研大模型深度融入车辆控制系统与用户日常交互。

问界和小米也分别将大模型作为智能座舱的核心交互入口，强调语音的自然感与低延迟。

2. 车载语音的核心要求

车载场景对延迟要求极高，阿里千问 Qwen-Audio-3.0-TTS 的 Flash 版延迟≤ 300ms，专门适配车载语音。

车企自研模型普遍采用端云结合方案，离线处理基础指令，在线调用云端大模型完成复杂任务。

二、科技巨头提供底层语音能力

1. 阿里巴巴

2026 年 7 月推出 Qwen-Audio-3.0-TTS 双版本：Flash 版用于车载 / 实时客服，Plus 版用于有声书 / 数字人直播。

支持自然语言指令调节语速、情绪、口音，降低车企集成门槛。

2. 字节跳动、腾讯、百度

字节跳动（豆包）在四个月内完成了图 - 视频 - 音频全模态覆盖。

腾讯混元、百度文心语音模型均已开放 API，支持多种方言与多语种识别。

这些大厂将语音能力作为 " 多模态门票 "，为车企提供标准化解决方案。

3. MiniMax 等新锐厂商

MiniMax 以 1/4 价格拿下语音榜单双榜第一，推动车载语音成本大幅下降。

其语音模型采用共享思维底座架构，实现 " 边想边说 "，提升交互自然度。

三、专业语音厂商：科大讯飞

科大讯飞深耕语音交互二十余年，积累海量通用口语、方言及专业话术语料，是中文语音方言语料龙头。

其星火大模型持续迭代，面向车载 AI、智能硬件开放语音语料授权，是端侧语音大模型的核心数据供应商。

在政务、教育、医疗等垂直领域也有深厚积累，为车载多场景提供技术支撑。

四、其他参与者

1. 华为

华为盘古大模型主要聚焦商用领域（工业、医疗、自动驾驶等），并未重点押注通用语言大模型。

其在智能驾驶上提出原生基大模型，专为自动驾驶设计，与语音对话路线不同。

2. 中科创达、虹软科技

中科创达在车载 AI 智能座舱领域落地语音交互与自动驾驶感知算法。

虹软科技专注于 3D 视觉感知与车载视觉算法，间接提升语音与视觉融合体验。

五、行业趋势与规范

2026 年语音能力已成为大模型公司的 " 奥运资格赛 " 门槛，投资人更看重多模态覆盖度。

国内语音 AI 已摆脱海外技术复刻，建成端云一体音频大模型生态。

语音模型落地需注意语料来源合规与内容安全，相关行业监管将趋严。

精选参考来源 查看全部

本文由 AI 生成