7月15日，国际电信联盟（ITU）官网传来消息：由长安汽车主导制定的ITU-T F.746.25：2026《车载多模态语音交互的系统框架与功能需求》国际标准正式发布。该标准的出炉，不仅填补了全球车载多模态语音交互领域标准的空白，更标志着“重庆造”智能网联汽车核心技术在全球标准制定中夺得重要话语权。

在当前的智能座舱领域，传统单模车载语音交互技术存在识别不准、误唤醒、响应延迟等痛点。为攻克这一技术难关，长安汽车自2023年起牵头立项该标准。历时三年，历经9轮国际提案的严格审议与激烈角逐，长安汽车依托自身海量的量产座舱实践经验，创新推出了“音视频”多模态交互功能，并最终沉淀形成该项国际标准。

据了解，长安汽车自研的“音视频”多模态交互功能，突破了传统单模语音交互的技术瓶颈。它通过“听（语音）+看（摄像头）+感（传感/手势）”的多通道融合，以多模免唤醒、指令增强识别、语音—肢体融合理解、多模信号增强与分人控制为技术支撑，为用户打造无感操作体验。该技术全面覆盖出行、娱乐、安防等全座舱场景，在大幅提升交互效率的同时，守住了行车交互的安全底线。

“硬核”标准离不开海量市场的检验。目前，深蓝汽车、长安启源等长安系品牌已全面搭载“音视频”多模态交互功能，累计装车量突破百万大关。其产品不仅在国内市场广受好评，更远销泰国、马来西亚、印尼等海外市场。

业内专家表示，这套系统切实解决了用户在行车高噪环境下的误唤醒、低唤醒率、响应延迟及过度依赖唤醒词等痛点；同时，通过融合说话人声音与姿态的多模态数据，语音助手真正兼具了“听”与“看”的能力，让车载对话更加安全、流畅、拟人。

记者 白麟