自動車用音声機能産業の分析 (2023年～2024年)

自動車用音声対話市場の特徴は以下の通りです：

1. OEM市場では、2023年に46ブランドが自動車用音声機能を標準構成として搭載する

2019年から2023年1～9月にかけて、自動車用音声機能の搭載台数と搭載率は上昇しています。2023年第1～3四半期には、1,200万台近くの車両に自動車用音声機能がプリインストールされ、搭載率は80%近くに達しました。

2023年には、AITO、Avatr、HiPhi、Rising Auto、ZEEKR、Voyah、Li Auto、Lynk &Co、Tank、NIO、Xpengを含む46の乗用車ブランドが、自動車用音声機能の搭載率100%を誇っています。2023年には、2,000万台以上の自動車に車載音声が搭載され、搭載率は80%を超えます。

2. 自動車メーカーによる音声機能の自主開発が、音声機能サプライチェーンの再構築を促進する

OEMのインテリジェントな自動車用音声機能に対する差別化された需要と自主開発志向により、従来の音声機能サプライチェーンのTier 2ベンダーがOEMと直接協力することが可能になります。産業チェーンの川上、川中、川下の境界は曖昧になる傾向にあります。例えば、GWM、ZEEKR、Wulingなどの自動車メーカーがAISpeechと直接協力することで、インテリジェント音声機能の搭載率とインテリジェンス・レベルが向上します。

産業チェーンの関係の変化に伴い、自動車用音声機能の競争パターンも応じて変化します。2023年1月から9月までの搭載台数では、30以上の自動車メーカーの150以上のモデルをサポートしたAISpeechが3位にランクされました。

3. 視認・発声 (See-and-Speak) 機能が標準構成となり、並列指示・クロスサウンドゾーン継承・オフライン音声機能・車外音声機能などの高度な機能が自動車に搭載される

以前の分析では、視認・発声機能は一部の新興自動車メーカーと中国の大手独立ブランドのみが搭載しており、最長連続会話時間はわずか90秒で、二重音声ゾーン認識が依然として主流のソリューションでした。

2023年には、視認・発声機能が新興自動車メーカーのフラッグシップモデルに標準装備され、最長120秒の連続会話が可能になりました。Xpeng Motorも「運転席でのフルタイム対話」機能を導入しました (作動させると、ドライバーはセンターコンソールのスクリーンを見ながら、スクリーンのコンテンツを起動することなく、見て話すことができる)。一方、四重音域認識は新たな主流ソリューションとなり、Li AutoとXpeng Motorも六重音域認識ソリューションを導入しました。

さらに、2023年には、より高度な音声機能が自動車に搭載されるようになります。

4. 音声対話：インテリジェントコックピット・シナリオに沿って基盤モデルが車両に搭載されるための第一段階

ChatGPTのブームにより、関連する基盤モデル技術はAIから他のすべての分野に急速に拡大します。2023年に、自動車業界では基盤モデルの普及が加速し、多くの自動車メーカーがインテリジェントコックピット、インテリジェント運転、その他のシナリオに沿って基盤モデルを実装する機会を探っています。

インテリジェントコックピット・シナリオでは、音声対話が基盤モデルを自動車に搭載するための最初の手段となります。2023年2月、BaiduはChatGPTの中国語版であるERNIE Botをリリースし、GWM、Geely、Voyahなどのブランドがこれに続いています。2023年4月にAlibabaは、AliOSインテリジェント車両OSがTongyi Qianwen基盤モデルに接続され、テストされていることを明らかにし、後にIMモーターズによって適用される予定です。Huawei HarmonyOS 4.0では、インテリジェントアシスタントXiaoyiが初めてPanguモデルに接続され、主にインテリジェントインタラクション、シナリオアレンジ、言語理解、生産性、パーソナライズされたサービスの機能を向上させました。

当レポートでは、世界と中国の自動車用音声機能の市場・産業について分析し、技術の概略や市場の基本構造、自動車OEMにおける音声機能の開発・活用状況、自動車用音声機能の主要プロバイダーの概略と主力技術・事業戦略などを調査しております。

目次

第1章 自動車用音声機能業界の概要

• 自動車用音声機能の概要
• 自動車用音声機能の活用シナリオ
• 自動車用音声技術
• 自動車用音声機能：インタラクション・アーキテクチャ
• 自動車用音声機能：共通インタラクション機能
• 自動車用音声機能の開発の要素
• 自動車用音声機能の開発の歴史
• 自動車音声機能の産業チェーンの進化
• 自動車音声機能の産業チェーン
• 市場規模予測 (2023年～2026年)
• 音声機能プロバイダー：市場ランキング
• その他の音声技術

第2章 OEM向け自動車用音声機能の用途

• OEM各社の音声機能の比較
• OEMによる音声機能の開発モデル：概要
• OEMのOTA (Over the Air) 音声機能
• Xpeng Motor
  • 自動車用音声機能対応のベンチマークモデル
  • 自動車用音声機能
  • 音声技術
  • 自社開発の音声機能：アーキテクチャ
  • 自社開発の音声機能：基本機能
  • 自動車用音声機能のパートナー
• Li Auto
  • 自動車用音声機能対応のベンチマークモデル
  • 自動車用音声機能のスキル
  • 車両制御機能
  • 自社開発の音声技術
  • 基盤モデル
  • コックピット・インタラクション・プランニング
  • 自動車用音声機能のパートナー
• NIO
• AITO
• Aion
• Rising Auto
• Jiyue
• ZEEKR
• IM Motor
• Denza
• Leap Motor
• Neta Auto
• Geely
• GWM
• Changan
• Chery

第3章 自動車用音声機能のプロバイダー

• 自動車用音声機能プロバイダーの概略：市場での地位、技術競争力、基盤モデルのレイアウト
• iFLYTEK
• Cerence
• AISpeech
• Unisound
• txzing.com
• VW-Mobvoi
• Mobvoi
• Pachira
• Tencent
• Baidu
• Alibaba
• Huawei
• Volcano Engine
• Microsoft
• VoiceAI

第4章 自動車用音声機能の産業チェーン

• プラットフォームインテグレーション：PATEO
• プラットフォームインテグレーション：Tinnove
• 音声処理エンジン：SinoVoice
• 音声処理エンジン：Megatronix
• データ収集/注釈：Haitian Ruisheng
• データ収集/注釈：Testin
• データ収集/注釈：DataBaker
• コーパス：Magic Data
• チップ：Horizon
• チップ：ShensiliCon
• チップ：Chipintelli
• 音声チップ：Rockchip
• 音声チップ：WUQi Micro
• 音声チップ：LAPIS Semiconductor

第5章 自動車用音声機能の開発動向

The automotive voice interaction market is characterized by the following:

1. In OEM market, 46 brands install automotive voice as a standard configuration in 2023.

From 2019 to the first nine months of 2023, automotive voice saw rising installations and installation rate. In the first three quarters of 2023, nearly 12 million vehicles were pre-installed with automotive voice, with the installation rate of nearly 80%.

In 2023, there are 46 passenger car brands boasting automotive voice installation rate of 100%, including AITO, Avatr, HiPhi, Rising Auto, ZEEKR, Voyah, Li Auto, Lynk & Co, Tank, NIO, and Xpeng. In 2023, over 20 million vehicles are equipped with automotive voice, with the installation rate higher than 80%.

2. Automakers' self-development of voice facilitates the reshaping of the voice supply chain.

OEMs' differentiated demand for intelligent automotive voice and their preference for independent development enable Tier 2 vendors in the conventional voice supply chain to cooperate directly with OEMs. Boundaries between upstream, midstream and downstream of the industry chain tend to blur. For example, the direct cooperation of automakers like GWM, ZEEKR and Wuling with AISpeech improves their installation and intelligence levels of intelligent voice.

The change in industry chain relationships makes the automotive voice competitive pattern change accordingly. By installations from January to September 2023, AISpeech that supported more than 150 models of over 30 automakers ranked third.

3. See-and-speak function becomes a standard configuration, and advanced functions such as parallel instruction, cross-sound-zone inheritance, offline voice, and out-of-vehicle voice are available on cars.

In ResearchInChina's China Automotive Voice Industry Report, 2021-2022, "see-and-speak" was only installed by some emerging carmakers and leading Chinese independent brands, the longest continuous conversation duration was only 90 seconds, and dual-sound-zone recognition was still the mainstream solution.

In 2023, "see-and-speak" has become a standard configuration in emerging carmakers' flagship models, with up to 120-second continuous dialogue. Xpeng Motor has also introduced the "Full-time Dialogue at Driver's Seat" function (when turned on, it allows the driver to see and speak when looking at the center console screen, without needing to wake up the content on the screen). Meanwhile, four-sound-zone recognition has become a new mainstream solution, and Li Auto and Xpeng Motor also introduced six-sound-zone recognition solutions.

In addition, more advanced voice functions became available on cars in 2023.

Parallel instruction: support up to 10 actions in one instruction;

Cross-sound-zone inheritance: available on models of Xpeng, ZEEKR, and Li Auto (cross-sound-zone inheritance: when a person finishes an instruction, if other passengers want to continue, they can trigger this function by saying "I want too").

Offline instruction: more controllable content. Jiyue 01 supports all-zone, full offline voice. In offline state, Jiyue 01 still enables extremely fast interaction with occupants.

Out-of-vehicle voice: this function in Changan Nevo A07 allows for voice control on trunk, windows, music, air conditioning, pull-out/in, and other functions; this function in Jiyue 01 allows for voice control on car/parking, air conditioning, audio, lights, windows, doors, tailgate, and charging cover.

4. Voice interaction is the first stop for foundation models to get on vehicles in intelligent cockpit scenarios.

The boom of ChatGPT allows the related foundation model technology to rapidly extend from AI to all other sectors. In 2023, foundation models gain pace in automotive industry, and quite a few automakers are exploring the opportunities to implement foundation models in intelligent cockpit, intelligent driving and other scenarios.

In intelligent cockpit scenarios, voice interaction is the first stop for foundation models to get on vehicles. In February 2023, Baidu released a Chinese version of ChatGPT - ERNIE Bot, and brands like GWM, Geely, and Voyah followed; in April 2023, Alibaba disclosed that AliOS intelligent vehicle operating system has been connected to Tongyi Qianwen foundation model for testing, and will later be applied by IM Motors; in August 2023, in Huawei HarmonyOS 4.0, intelligent assistant Xiaoyi was connected to Pangu model for the first time, mainly to improve capabilities of intelligent interaction, scenario arrangement, language understanding, productivity and personalized service.

Besides conventional Internet companies, voice providers as important foundation model players such as iFLYTEK, AISpeech and Unisound have also launched related products.

iFLYTEK Spark cognitive foundation model has six core capabilities: penetrative understanding of multi-round dialogues, knowledge application, empathic chat & dialogue, self-guided reply in multi-round dialogues, file-based rapid learning of new knowledge, and evolution based on correction opinions of massive users;

AISpeech DFM-2 is an industry language foundation model with generalized intelligence. In the field of in-vehicle interaction, AISpeech integrates Lyra automotive voice assistant with DFM-2, which significantly improves capabilities in planning, creation, knowledge, intervention, plug-in, multi-level semantic dialogue, and documentation, and supports multi-modal, multi-intent, multi-sound-zone, and all-scenario multi-round continuous dialogues.

Table of Contents

1 Overview of Automotive Voice Industry

• 1.1 Overview of Automotive Voice
• 1.2 Application Scenarios of Automotive Voice
• 1.3 Automotive Voice Technologies
• 1.4 Automotive Voice Interaction Architecture
• 1.5 Automotive Voice Common Interaction Functions
• 1.6 Automotive Voice Development Factors
• 1.7 Development History of Automotive Voice
• 1.8 Automotive Voice Industry Chain Evolution
• 1.9 Automotive Voice Industry Chain
• 1.10 Market Size Forecast (2023-2026)
• 1.11 Voice Providers Market Rankings
• 1.12 Other Voice Technologies

2 Automotive Voice Applications for OEMs

• 2.1 Voice Function Comparison of OEMs
• 2.2 Summary of Voice Development Models by OEMs
• 2.3 OTA Voice Functions of OEMs
• 2.4 Xpeng Motor
  • 2.4.1 Automotive Voice-enabled Benchmark Models
  • 2.4.2 Automotive Voice Functions
  • 2.4.3 Voice Technology
  • 2.4.4 Self-developed Voice Architecture
  • 2.4.5 Self-developed Voice Basic Capabilities
  • 2.4.6 Automotive Voice Partners
• 2.5 Li Auto
  • 2.5.1 Automotive Voice-enabled Benchmark Models
  • 2.5.2 Automotive Voice Skills
  • 2.5.3 Vehicle Control Functions
  • 2.5.4 Self-developed Voice Technology
  • 2.5.5 Foundation Model
  • 2.5.6 Cockpit Interaction Planning
  • 2.5.7 Automotive Voice Partners
• 2.6 NIO
• 2.7 AITO
• 2.8 Aion
• 2.9 Rising Auto
• 2.10 Jiyue
• 2.11 ZEEKR
• 2.12 IM Motor
• 2.13 Denza
• 2.14 Leap Motor
• 2.15 Neta Auto
• 2.16 Geely
• 2.17 GWM
• 2.18 Changan
• 2.19 Chery

3 Automotive Voice Providers

• 3.1 Summary of Automotive Voice Providers: Market Position & Technical Competitiveness & Foundation Model Layout
• 3.2 iFLYTEK
  • 3.2.1 Profile
  • 3.2.2 Intelligent Vehicle Business Performance
  • 3.2.3 Intelligent Vehicle Core Technology
  • 3.2.4 Voice Interaction Full Link Technology
  • 3.2.5 Automotive Interaction Development Plan
  • 3.2.6 Text-To-Speech (TTS) Technology
  • 3.2.7 Interaction Model
  • 3.2.8 Application of Interaction Foundation Model in Intelligent Cockpit
  • 3.2.9 Cockpit OS Enhanced by Foundation Models
  • 3.2.10 Knowledge Graph of iFLYTEK Interaction Foundation Model
  • 3.2.11 Interaction Foundation Model Core Capabilities
  • 3.2.12 Interaction Foundation Model Enabling Automotive Human-Machine Interaction
  • 3.2.13 Accumulation in Cognitive Intelligent Foundation Model Technology
  • 3.2.14 "1+N" System
  • 3.2.15 Multilingual Interaction System
  • 3.2.16 Support for Automotive Minor Languages
  • 3.2.17 Open Platform Voice Technology Support
  • 3.2.18 Out-of-vehicle Voice Interaction System
• 3.3 Cerence
  • 3.3.1 Automotive Voice Recognition Hardware Framework
  • 3.3.2 Vehicle-Cloud Integration Solution
  • 3.3.3 Core Technology
  • 3.3.4 ARK Main Content
  • 3.3.5 SSE
  • 3.3.6 Drive
  • 3.3.7 Automotive Voice Interaction + AI Solution
  • 3.3.8 Co-Pilot
  • 3.3.9 Biometrics
  • 3.3.10 ICC
  • 3.3.11 Out-of-vehicle Voice Interaction
  • 3.3.12 TTS
  • 3.3.13 Other Voice Solutions
  • 3.3.14 Product Development Roadmap (2023~)
• 3.4 AISpeech
  • 3.4.1 Profile
  • 3.4.2 Voice and Language Key Technologies
  • 3.4.3 "Cloud + Chip" Integration Strategy
  • 3.4.4 Customized Development Platform for All-link Intelligent Dialogue System: DUI
  • 3.4.5 Industry Language Model: DFM
  • 3.4.6 Intelligent Telematics Solutions
  • 3.4.7 Automotive Voice Assistant
  • 3.4.8 Intelligent Cockpit Products
  • 3.4.9 Cooperation Model Cases
• 3.5 Unisound
  • 3.5.1 Intelligent Automotive Solutions
  • 3.5.2 Foundation Model
  • 3.5.3 Voice Technology Capabilities
  • 3.5.4 TTS
  • 3.5.5 Automotive Voice Solution Business Models
  • 3.5.6 Core Technology
  • 3.5.7 Automotive Voice Chip
  • 3.5.8 Automotive Voice Solution Supporting
• 3.6 txzing.com
• 3.7 VW-Mobvoi
• 3.8 Mobvoi
• 3.9 Pachira
• 3.10 Tencent
• 3.11 Baidu
  • 3.11.1 Core Voice Technology
  • 3.11.2 Voice Chip
  • 3.11.3 DuerOS
  • 3.11.4 DuerOS Empowered by Foundation Models
  • 3.11.5 ERNIE Foundation Model Enabled Cockpit Voice Interaction
  • 3.11.6 ERNIE Foundation Model Analysis
• 3.12 Alibaba
• 3.13 Huawei
• 3.14 Volcano Engine
• 3.15 Microsoft
• 3.16 VoiceAI

4 Automotive Voice Industry Chain

• 4.1 Platform Integration: PATEO
• 4.2 Platform Integration: Tinnove
• 4.3 Voice Processing Engine: SinoVoice
• 4.4 Voice Processing Engine: Megatronix
  • 4.4.1 Product Layout
  • 4.4.2 Automotive Voice SmartMega® VOS Module
  • 4.4.3 Automotive Voice Customized and Cooperation Modes
  • 4.4.4 Implemented Model Cases
• 4.5 Data Collection / Annotation: Haitian Ruisheng
  • 4.5.1 Voice Business
  • 4.5.2 Structure of Training Dataset
  • 4.5.3 Speech Services: Data Collection Services
  • 4.5.4 Speech Services: Data Annotation Services
• 4.6 Data Collection / Annotation: Testin
• 4.7 Data Collection / Annotation: DataBaker
• 4.8 Corpus: Magic Data
• 4.9 Chip: Horizon
• 4.10 Chip: ShensiliCon
• 4.11 Chip: Chipintelli
• 4.12 Voice Chip: Rockchip
• 4.13 Voice Chip: WUQi Micro
• 4.14 Voice Chip: LAPIS Semiconductor

5 Development Trends of Automotive Voice

• 5.1 Trend 1
• 5.2 Trend 2
• 5.3 Trend 3
• 5.4 Trend 4
• 5.5 Trend 5
• 5.6 Trend 6
• 5.7 Trend 7
• 5.8 Trend 8