2024智能家用電器的語音交互技術(shù)第1部分

1II目 次前言 II引言 III1范圍 12規(guī)范性用文件 13術(shù)語和義 14智能家語音交分類 3智能家電語音互模塊業(yè)務(wù)系的邏輯系 3技術(shù)要求 56.1通用要求 56.2結(jié)構(gòu)設(shè)計(jì)求 56.3安全要求 56.4功能要求 66.5性能要求 86.6可靠性要求 10標(biāo)志、指和使說明 117.1標(biāo)志、指示 117.2使用說明 11附錄A（規(guī)性）有語音互功能智能家特要求 12參考文獻(xiàn) 13PAGEPAGE10智能家用電器的語音交互技術(shù)第1部分：通用要求范圍（本文件適用于通過語音方式進(jìn)行交互的智能家電的設(shè)計(jì)和開發(fā)。（GB/T34145—2017中文語音合成互聯(lián)網(wǎng)服務(wù)接口規(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GB/T37036.5—2023信息技術(shù)移動(dòng)設(shè)備生物特征識(shí)別第5部分：聲紋GB/T40660—2021信息安全技術(shù)生物特征識(shí)別信息保護(hù)基本要求GB/T41807—2022信息安全技術(shù)聲紋識(shí)別數(shù)據(jù)安全要求SJ/T11540—2015有源揚(yáng)聲器通用規(guī)范下列術(shù)語和定義適用于本文件。3.1語音交互speechinteraction[來源:GB/T36464.2—2018，3.1]3.2語音識(shí)別speechrecognition[來源:GB/T21023—2007，3.1]3.33.43.5

語音合成speechsynthesis[來源:GB/T21024—2007，3.1]語音服務(wù)平臺(tái)speechserviceplatform為智能家電提供語音識(shí)別、語義理解、語音交互決策、語音合成等一項(xiàng)或多項(xiàng)服務(wù)的平臺(tái)。智能家電服務(wù)平臺(tái)intelligenthouseholdappliancesserviceplatform；smarthouseholdappliancesserviceplatform[修改：GB/T38052.1—2019，2.2.7]3.6聲源定位acousticsourcelocalization對(duì)發(fā)聲物體位置的判斷過程。[來源：GB/T36464.1—2020，3.28]3.7關(guān)機(jī)模式offmode(s)當(dāng)家電的供電裝置連接到主電源時(shí)，未出現(xiàn)待機(jī)模式、網(wǎng)絡(luò)模式或活躍模式，且為持續(xù)的任何產(chǎn)品模式。帶有僅提示用戶產(chǎn)品是在關(guān)機(jī)位置的指示器，包括在關(guān)機(jī)模式的類別中。注：關(guān)機(jī)模式不同于斷開模式。關(guān)機(jī)模式也可稱作“靜態(tài)待機(jī)”模式。[來源：GB/T35758—2017，3.5]3.8

命令字識(shí)別commandwordrecognition一種基于語音識(shí)別語法的語音識(shí)別方式，是在語音識(shí)別語法規(guī)則限定的范圍內(nèi)，對(duì)于給定的語音輸入，語音識(shí)別引擎給出語音識(shí)別語法覆蓋范圍內(nèi)的文本或拒識(shí)作為識(shí)別結(jié)果。[來源：GB/T34083—2017，3.3]3.9連續(xù)語音識(shí)別continuousspeechrecognition識(shí)別任意的連續(xù)語音，并給出相對(duì)應(yīng)的文本。注：連續(xù)語音識(shí)別不限制用戶說話的詞匯、內(nèi)容和方式，用戶可以以任意說的形式輸入語音。[來源：GB/T34083—2017，3.4]3.10語義理解semanticunderstanding使功能單元理解人說話的意圖。[來源:GB/T36464.2—2018，3.11]3.11語音喚醒speechwake-up;voicetrigger處于音頻流監(jiān)聽狀態(tài)的語音交互系統(tǒng)，在檢測到特定的特征或事件出現(xiàn)后，切換到命令字識(shí)別、連續(xù)語音識(shí)別等其他處理狀態(tài)的過程。[來源:GB/T36464.2—2018，3.13]3.12誤喚醒falsewake-up智能家電處于音頻流監(jiān)聽狀態(tài)，無音頻流或者音頻流中沒有出現(xiàn)喚醒所需的特征或事件時(shí)，語音喚醒系統(tǒng)被喚醒的現(xiàn)象。[來源：GB/T36464.2—2018，3.14，有修改]3.13聲紋識(shí)別voiceprintrecognition11380—2008，3.1.6]3.14語音打斷speechinterruption[來源：GB/T36464.2—2018，3.18，有修改]3.15聲壓級(jí)soundpressurelevel聲壓信號(hào)的時(shí)間均方與基準(zhǔn)值平方之比的以10為底的對(duì)數(shù)乘以10。注1：聲壓級(jí)用分貝（dB）表示。注2：基準(zhǔn)值為20μPa。[來源：GB/T3785.1—2023，3.2]按語音交互功能是否需要聯(lián)網(wǎng)分為：離線/按拾音距離分為：≤1m；1m＜3m＜＞5m按語音交互功能是否需要喚醒分為：免喚醒；——語音喚醒；——其他非語音方式喚醒（舉例：按鍵、手勢、系統(tǒng)調(diào)用喚醒）。智能家電的語音交互模塊和業(yè)務(wù)系統(tǒng)的邏輯關(guān)系示意圖見圖1。圖1智能家電的語音交互模塊和業(yè)務(wù)系統(tǒng)的邏輯關(guān)系示意圖注：智能家電的交互結(jié)果可以語音、文本、圖像等一種或多種形式組合輸出。智能家電的語音模塊包括前端處理模塊和語音處理模塊。（（（）在線型或離線/在線混合型語音智能家電的語音處理功能還可通過通信部件在語音服務(wù)平臺(tái)上實(shí)現(xiàn)，語音處理功能可包括：語音識(shí)別、語義理解、交互決策、語音合成等。控制模塊獲取決策信息，對(duì)決策信息分析后對(duì)執(zhí)行模塊發(fā)出操控指令。執(zhí)行模塊接收控制模塊的操控指令后執(zhí)行，并將執(zhí)行的結(jié)果反饋給控制模塊。技術(shù)要求通用要求通過語音方式進(jìn)行交互的智能家電應(yīng)符合以下條款的要求，智能家電根據(jù)其類型還應(yīng)符合附錄A的特殊要求。智能家電結(jié)構(gòu)設(shè)計(jì)要求如下：15dB2dB。安全要求516方式；語音應(yīng)符合GB/T40660—2021的要求。合GB/T41807功能要求/語音交互功能應(yīng)能被用戶開啟和關(guān)閉。55dB(A70dB(A)。語音喚醒具有喚醒功能的家電，要求如下：語音識(shí)別應(yīng)至少支持關(guān)鍵字識(shí)別（針對(duì)連續(xù)語音流中的特定關(guān)鍵字進(jìn)行識(shí)別和檢出）、命令字識(shí)別、連續(xù)語音識(shí)別中的一種。語義理解宜支持語義理解功能。 注：非目標(biāo)語音指令舉例：非目標(biāo)人聲、電視發(fā)聲等?；芈曄酥С謱?duì)輸入語音中的回聲進(jìn)行抑制，提升輸入語音信號(hào)的清晰度和可懂度。噪聲抑制宜支持對(duì)輸入語音中的背景噪聲進(jìn)行抑制，提高輸入語音信號(hào)的信噪比。聲源定位可支持通過對(duì)聲源的平面角、方位角和聲源距離的計(jì)算，對(duì)發(fā)聲源進(jìn)行定位。語音打斷開放性聊天可支持開放性聊天功能，能夠在隨機(jī)的語音對(duì)話中穩(wěn)定保持話題延續(xù)性的能力。多方言/可支持多方言/多語種混用能力，要求如下：可具有（多）語種識(shí)別能力：智能家電可自動(dòng)對(duì)輸入語音所屬的某個(gè)或多個(gè)（2個(gè)及以上）（多（2智能家電可支持真人語音操控，也可支持語音錄制或合成方式的語音操控。（合成的語音音頻數(shù)據(jù)格式應(yīng)符合GB/T34145—2017中表2的要求。語音提示語音提示功能可被開啟和關(guān)閉。語音報(bào)警智能家電無法識(shí)別輸入音頻時(shí)，宜給予相關(guān)提示。學(xué)習(xí)能力智能家電的語音交互系統(tǒng)具有軟件升級(jí)和數(shù)據(jù)更新功能，要求如下：聲紋識(shí)別可具有聲紋識(shí)別功能，應(yīng)符合GB/T37036.5—2023第7章要求。性能要求揚(yáng)聲器性能智能家電的揚(yáng)聲器性能宜符合SJ/T11540—20154.4和4.5的要求。拾音距離智能家電根據(jù)廠商標(biāo)注的拾音距離分類，按照表1的測試距離要求進(jìn)行測試，喚醒成功率和交互成功率應(yīng)符合6.5.4和6.5.7的要求。表1拾音距離的測試距離拾音距離分類測試距離近程語音智能家電1m中程語音智能家電3m遠(yuǎn)程語音智能家電5m超遠(yuǎn)程語音智能家電按制造商聲明的距離進(jìn)行測試喚醒成功率針對(duì)需要喚醒的智能家電，滿足表1拾音距離要求，喚醒成功率要求如下：（40dB(A)≤45dB(A≥95%；（55dB(A)≤60dB(A)≥90%。喚醒成功率計(jì)算方法見公式（1）。????

=??????×100%……（1）????式中：??r——喚醒成功率；??????——正確喚醒次數(shù)；????——總喚醒次數(shù)。誤喚醒頻度針對(duì)需要喚醒的智能家電，誤喚醒頻度應(yīng)≤1次/24h。針對(duì)需要喚醒的智能家電，喚醒響應(yīng)時(shí)間應(yīng)≤1000ms。喚醒時(shí)延計(jì)算方法見公式（2）。Twak=Tr-Te (2)式中：Twakms；Tr交互成功率表1交互成功率序號(hào)測試語料集可選/必選指令交互成功率（低噪環(huán)境）指令交互成功率（高噪環(huán)境）1本機(jī)功能操控語料集必選95%90%2泛化后的本機(jī)功能操控語料集必選90%85%3語音交互綜合測試語料集可選85%80%交互成功率的計(jì)算方法見公式（3）。式中：????——交互成功率；????

=????+??

×100%……（3）注：以家電本體執(zhí)行的準(zhǔn)確性統(tǒng)計(jì)交互成功的次數(shù)，即語音反饋控制成功，但家電本體未正確執(zhí)行，記為交互失敗。離線語音交互的響應(yīng)時(shí)間不應(yīng)大于2000ms，在線語音交互響應(yīng)時(shí)間不應(yīng)大于3000ms。交互響應(yīng)時(shí)間的計(jì)算方法見公式（4）。????????=?????????……（4）式中：????????——響應(yīng)時(shí)間；????——家電本體交互給出反饋的開始時(shí)刻；????——語音輸入結(jié)束的時(shí)刻。智能家電如支持語音打斷功能，語音打斷成功率應(yīng)符合：≥95%；≥90%（5）式中：????——語音打斷成功率；

????

=????×100%……（5）??N——交互過程中需要執(zhí)行打斷操控的次數(shù)；????——被語音交互系統(tǒng)正確響應(yīng)的次數(shù)。語義拒識(shí)率 90%。GB/T37036.5—20238.1.1可靠性要求無故障運(yùn)行智能家電在72h的測試時(shí)間內(nèi)，接受持續(xù)的語音交互測試，智能家電功能應(yīng)能保持正常，如出現(xiàn)家電宕機(jī)、語音交互功能無法使用情況則該項(xiàng)測試不合格。容錯(cuò)性智能家電的容錯(cuò)性要求如下：語音溫度上升1.℃還是語音易恢復(fù)性智能家電出現(xiàn)故障或宕機(jī)后，通過自身修復(fù)或簡單操作可重新恢復(fù)語音交互的正常使用。在線型或離線/在線混合型語音智能家電的語音交互應(yīng)有斷網(wǎng)恢復(fù)功能，要求如下：60s應(yīng)有斷電恢復(fù)功能：6.6.4環(huán)境適應(yīng)性具體品類智能家電的環(huán)境適應(yīng)性按照具體品類