DB35T 1979-2021 智慧家庭人工智能语音服务通 用技术规范

智慧家庭人工智能语音服务通用技术规范I前言 1 13术语和定义 14缩略语 2 36环境要求 3 4 附录A(规范性)语音测试集录音质量要求 附录B(规范性)测试用设备要求 本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定本文件起草单位：中国移动通信集团福建有限公司、科大讯飞股份有限公司、中移(杭州)信息技有限公司福建省分公司、福建广电网络集团、华为技术有限公司、福建星网锐捷通讯股份有限公司、GB/T36464.1—2020信息技术智能语音交互系统第1部分：通用规范GB/T36464.2—2018信息技术智能语音交互系统第2部分：智能家居24缩略语3定义语音采集与识别5语义深度理解与智能互动端点检测控制智能翻译多级互动4动自然合成(多语种、多发音人)起、内容搜索3语音深度识别与自2成语音识别16环境要求6.1自然环境℃大气压力10%～90%无凝结智能语音终端或与之相连的智能设备应支持无线或有线网络接入互联网，网络接入速度应不低于6.3噪声环境智能语音终端主要在家庭环境下使用，家庭噪47.1.3语音识别声环境功能区类别%1类5%0类1类音乐，医疗，购物，教育Rss——语义理解正确率，单位为百分数(%);5非常接近播音员真人发声，达到以假乱真的程度，总体听感很好，清晰、流畅。4发音清晰、可懂，总体听感好、流畅，听测人愿意接受(半小时左右不觉疲劳),没有明显韵律错误。3基本可以听懂，但在语气节奏处理上问题较多，音节之间拼接不流畅2语音吐字不清晰，字词之间有较为严重的顿挫感，体验性不好，但不影响正常理61发音不清晰，机器音质，听不懂，只能表达断续、个别的语音信息，猜测语意都很困难，不能接受。注：参考GB/T36464.1—2020中A.8.3的表A.1,结合家庭环境要求，对主观测听效果作更详细描述。声环境功能区类别夜间环境噪声等效声级发声大小唤醒率要求1类R——夜间唤醒率，单位为百分数(%);声环境功能区类别发声大小唤醒率要求7表7昼间不同噪声环境下的唤醒率要求(续)声环境功能区类别发声大小唤醒率要求1类昼间唤醒率计算方法按公式(4)。Rm——昼间唤醒率，单位为百分数(%);N——成功唤醒次数；N——语音唤醒操作次数。7.4.3误唤醒次数具备语音唤醒功能的智能语音终端误唤醒次数应满足表8要求。表8误唤醒次数要求环境噪音(S)12h内误唤醒次数7.5语音技能7.5.1通用技能7.5.1.1响应时间因调用网络资源的不同，音频端点检测方式的不同，语音技能的响应时间也会有所不同，但最长响应时间应小于或等于2s。响应时间计算方法按公式(5)。Tack——响应时间，单位为秒(s);8a)支持查询类技能通过语音播报加信息展示的形式向用户反馈；b)支持媒资检索类技能通过语音播报加搜索结果展示的形式向用户反馈；c)支持技能处理遇到异常情况时通过语音或者文本展示的形式向用户反馈。a)影视媒资信息包括：名称、主演、上映时间、类型，宜包括季集、导演、简介、评分、热度c)游戏媒资信息包括：名称、类型，宜包括简介、评分、上架时间、热度等信息；9指令英文标识跳到下一页 跳到上一页跳到指定页index页号(整数值型，负数表示倒数)row:第X行(整数值型，负数表示倒数)index:第X个(整数值型，负数表示倒数)暂停 position位置(整数值型，单位：秒)快进指定时间offset偏移(整数值型，单位：秒)后退指定时间offset偏移(整数值型，单位：秒)b)由不同年龄段发音人参与录制，其中男女比例为1:1,年龄段在9～12岁、20～50岁、60~75岁的人员比例为1:4:1;测试语音声压级(S)环境噪音声压级(V)a)