DB35T 1979-2021 智慧家庭人工智能語音服務(wù)通 用技術(shù)規(guī)范

智慧家庭人工智能語音服務(wù)通用技術(shù)規(guī)范I前言 1 13術(shù)語和定義 14縮略語 2 36環(huán)境要求 3 4 附錄A(規(guī)范性)語音測試集錄音質(zhì)量要求 附錄B(規(guī)范性)測試用設(shè)備要求 本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定本文件起草單位：中國移動(dòng)通信集團(tuán)福建有限公司、科大訊飛股份有限公司、中移(杭州)信息技有限公司福建省分公司、福建廣電網(wǎng)絡(luò)集團(tuán)、華為技術(shù)有限公司、福建星網(wǎng)銳捷通訊股份有限公司、GB/T36464.1—2020信息技術(shù)智能語音交互系統(tǒng)第1部分：通用規(guī)范GB/T36464.2—2018信息技術(shù)智能語音交互系統(tǒng)第2部分：智能家居24縮略語3定義語音采集與識(shí)別5語義深度理解與智能互動(dòng)端點(diǎn)檢測控制智能翻譯多級(jí)互動(dòng)4動(dòng)自然合成(多語種、多發(fā)音人)起、內(nèi)容搜索3語音深度識(shí)別與自2成語音識(shí)別16環(huán)境要求6.1自然環(huán)境℃大氣壓力10%～90%無凝結(jié)智能語音終端或與之相連的智能設(shè)備應(yīng)支持無線或有線網(wǎng)絡(luò)接入互聯(lián)網(wǎng)，網(wǎng)絡(luò)接入速度應(yīng)不低于6.3噪聲環(huán)境智能語音終端主要在家庭環(huán)境下使用，家庭噪47.1.3語音識(shí)別聲環(huán)境功能區(qū)類別%1類5%0類1類音樂，醫(yī)療，購物，教育Rss——語義理解正確率，單位為百分?jǐn)?shù)(%);5非常接近播音員真人發(fā)聲，達(dá)到以假亂真的程度，總體聽感很好，清晰、流暢。4發(fā)音清晰、可懂，總體聽感好、流暢，聽測人愿意接受(半小時(shí)左右不覺疲勞),沒有明顯韻律錯(cuò)誤。3基本可以聽懂，但在語氣節(jié)奏處理上問題較多，音節(jié)之間拼接不流暢2語音吐字不清晰，字詞之間有較為嚴(yán)重的頓挫感，體驗(yàn)性不好，但不影響正常理61發(fā)音不清晰，機(jī)器音質(zhì)，聽不懂，只能表達(dá)斷續(xù)、個(gè)別的語音信息，猜測語意都很困難，不能接受。注：參考GB/T36464.1—2020中A.8.3的表A.1,結(jié)合家庭環(huán)境要求，對(duì)主觀測聽效果作更詳細(xì)描述。聲環(huán)境功能區(qū)類別夜間環(huán)境噪聲等效聲級(jí)發(fā)聲大小喚醒率要求1類R——夜間喚醒率，單位為百分?jǐn)?shù)(%);聲環(huán)境功能區(qū)類別發(fā)聲大小喚醒率要求7表7晝間不同噪聲環(huán)境下的喚醒率要求(續(xù))聲環(huán)境功能區(qū)類別發(fā)聲大小喚醒率要求1類晝間喚醒率計(jì)算方法按公式(4)。Rm——晝間喚醒率，單位為百分?jǐn)?shù)(%);N——成功喚醒次數(shù)；N——語音喚醒操作次數(shù)。7.4.3誤喚醒次數(shù)具備語音喚醒功能的智能語音終端誤喚醒次數(shù)應(yīng)滿足表8要求。表8誤喚醒次數(shù)要求環(huán)境噪音(S)12h內(nèi)誤喚醒次數(shù)7.5語音技能7.5.1通用技能7.5.1.1響應(yīng)時(shí)間因調(diào)用網(wǎng)絡(luò)資源的不同，音頻端點(diǎn)檢測方式的不同，語音技能的響應(yīng)時(shí)間也會(huì)有所不同，但最長響應(yīng)時(shí)間應(yīng)小于或等于2s。響應(yīng)時(shí)間計(jì)算方法按公式(5)。Tack——響應(yīng)時(shí)間，單位為秒(s);8a)支持查詢類技能通過語音播報(bào)加信息展示的形式向用戶反饋；b)支持媒資檢索類技能通過語音播報(bào)加搜索結(jié)果展示的形式向用戶反饋；c)支持技能處理遇到異常情況時(shí)通過語音或者文本展示的形式向用戶反饋。a)影視媒資信息包括：名稱、主演、上映時(shí)間、類型，宜包括季集、導(dǎo)演、簡介、評(píng)分、熱度c)游戲媒資信息包括：名稱、類型，宜包括簡介、評(píng)分、上架時(shí)間、熱度等信息；9指令英文標(biāo)識(shí)跳到下一頁 跳到上一頁跳到指定頁index頁號(hào)(整數(shù)值型，負(fù)數(shù)表示倒數(shù))row:第X行(整數(shù)值型，負(fù)數(shù)表示倒數(shù))index:第X個(gè)(整數(shù)值型，負(fù)數(shù)表示倒數(shù))暫停 position位置(整數(shù)值型，單位：秒)快進(jìn)指定時(shí)間offset偏移(整數(shù)值型，單位：秒)后退指定時(shí)間offset偏移(整數(shù)值型，單位：秒)b)由不同年齡段發(fā)音人參與錄制，其中男女比例為1:1,年齡段在9～12歲、20～50歲、60~75歲的人員比例為1:4:1;測試語音聲壓級(jí)(S)環(huán)境噪音聲壓級(jí)(V)a)