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定義語音采集與識別5語義深度理解與智能互動端點檢測控制智能翻譯多級互動4動自然合成(多語種、多發(fā)音人)起、內(nèi)容搜索3語音深度識別與自2成語音識別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(半小時左右不覺疲勞),沒有明顯韻律錯誤。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)時間因調(diào)用網(wǎng)絡(luò)資源的不同，音頻端點檢測方式的不同，語音技能的響應(yīng)時間也會有所不同，但最長響應(yīng)時間應(yīng)小于或等于2s。響應(yīng)時間計算方法按公式(5)。Tack——響應(yīng)時間，單位為秒(s);8a)支持查詢類技能通過語音播報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、上映時間、類型，宜包括季集、導(dǎo)演、簡介、評分、熱度c)游戲媒資信息包括：名稱、類型，宜包括簡介、評分、上架時間、熱度等信息；9指令英文標(biāo)識跳到下一頁 跳到上一頁跳到指定頁index頁號(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(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)指定時間offset偏移(整數(shù)值型，單位：秒)后退指定時間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(S)環(huán)境噪音聲壓級(V)a)