书 书 书犐犆犛 ３５ ． ２４０ ． ０１ 犔 ７７ /G21 /G22 /G23 /G24 /G25 /G26 /G27 /G27 /G28 /G29 /G2A 犌犅 ／ 犜 ３６４６４ ． ４ — ２０１８ /G21 /G22 /G23 /G24 　 /G25 /G26 /G27 /G28 /G29 /G2A /G2B /G2C /G2D ４ /G2E /G2F ： /G30 /G31 /G32 /G33 犐狀犳狅狉犿犪狋犻狅狀狋犲犮犺狀狅犾狅犵狔 — 犐狀狋犲犾犾犻犵犲狀狋狊狆犲犲犮犺犻狀狋犲狉犪犮狋犻狅狀狊狔狊狋犲犿 — 犘犪狉狋 ４ ： 犕狅犫犻犾犲狋犲狉犿犻狀犪犾 ２０１８  ０６  ０７ /G34 /G35 ２０１９  ０１  ０１ /G36 /G37 /G27 /G28 /G2B /G2C /G2D /G2E /G2F /G30 /G31 /G32 /G21 /G27 /G27 /G28 /G29 /G2A /G33 /G2F /G30 /G34 /G35 /G36 /G34 /G35书 书 书目 　　 次 前言 Ⅲ ………………………………………………………………………………………………………… １ 　 范围 １ ……………………………………………………………………………………………………… ２ 　 规范性引用文件 １ ………………………………………………………………………………………… ３ 　 术语和定义 １ ……………………………………………………………………………………………… ４ 　 系统框架 ３ ………………………………………………………………………………………………… ５ 　 要求 ４ ……………………………………………………………………………………………………… 　 ５．１ 　 概述 ４ ………………………………………………………………………………………………… 　 ５．２ 　 基本要求 ５ …………………………………………………………………………………………… 　 ５．３ 　 扩展要求 ６ …………………………………………………………………………………………… 　 ５．４ 　 输入输出要求 ７ ……………………………………………………………………………………… ６ 　 测试方法 ８ ………………………………………………………………………………………………… 　 ６．１ 　 测试准备 ８ …………………………………………………………………………………………… 　 ６．２ 　 测试环境 ９ …………………………………………………………………………………………… 　 ６．３ 　 测试方法 １０ …………………………………………………………………………………………… 　 ６．４ 　 测试结果 １２ …………………………………………………………………………………………… 参考文献 １３ …………………………………………………………………………………………………… Ⅰ 犌犅 ／ 犜 ３６４６４ ． ４ — ２０１８ 前 　　 言 　　 ＧＢ ／ Ｔ３６４６４ 《 信息技术 　 智能语音交互系统 》 拟分为以下几个部分 ： ——— 第 １ 部分 ： 通用规范 ； ——— 第 ２ 部分 ： 智能家居 ； ——— 第 ３ 部分 ： 智能客服 ； ——— 第 ４ 部分 ： 移动终端 ； ——— 第 ５ 部分 ： 车载终端 ； …… 本部分为 ＧＢ ／ Ｔ３６４６４ 的第 ４ 部分 。 本部分按照 ＧＢ ／ Ｔ１．１ — ２００９ 给出的规则起草 。 请注意本文件的某些内容可能涉及专利 。 本文件的发布机构不承担识别这些专利的责任 。 本部分由全国信息技术标准化技术委员会 （ ＳＡＣ ／ ＴＣ２８ ） 提出并归口 。 本部分起草单位 ： 科大讯飞股份有限公司 、 中国电子技术标准化研究院 、 中国电信集团有限公司 、 中国第一汽车股份有限公司 、 中国盲人协会 、 中国盲人出版社 、 安徽知学科技有限公司 。 本部分主要起草人 ： 黄明登 、 刘庆峰 、 严峻 、 胡国平 、 郭正欧 、 盛家见 、 胡修文 、 刘聪 、 李洪亮 、 王静 、 戴小兰 、 杨震 、 陈筠翰 。 Ⅲ 犌犅 ／ 犜 ３６４６４ ． ４ — ２０１８ 信息技术 　 智能语音交互系统第 ４ 部分 ： 移动终端 １ 　 范围 ＧＢ ／ Ｔ３６４６４ 的本部分规定了移动终端智能语音交互系统的术语和定义 、 系统框架 、 要求和测试 方法 。 本部分适用于移动终端智能语音交互系统的设计 、 开发 、 应用和维护 。 ２ 　 规范性引用文件 下列文件对于本文件的应用是必不可少的 。 凡是注日期的引用文件 ， 仅注日期的版本适用于本文 件 。 凡是不注日期的引用文件 ， 其最新版本 （ 包括所有的修改单 ） 适用于本文件 。 ＧＢ３０９６ — ２００８ 　 声环境质量标准 ＧＢ ／ Ｔ２１０２３ — ２００７ 　 中文语音识别系统通用技术规范 ＧＢ ／ Ｔ２１０２４ 　 中文语音合成系统通用技术规范 ＧＢ ／ Ｔ３４０８３ 　 中文语音识别互联网服务接口规范 ＧＢ ／ Ｔ３４１４５ — ２０１７ 　 中文语音合成互联网服务接口规范 ＳＪ ／ Ｔ１１３８０ 　 自动声纹识别 （ 说话人识别 ） 技术规范 ３ 　 术语和定义 ＧＢ ／ Ｔ２１０２３ 、 ＧＢ ／ Ｔ２１０２４ 、 ＧＢ ／ Ｔ３４０８３ 、 ＳＪ ／ Ｔ１１３８０ 界定的以及下列术语和定义适用于本文件 。 为了便于使用 ， 以下重复列出了 ＧＢ ／ Ｔ２１０２３ 、 ＧＢ ／ Ｔ２１０２４ 、 ＧＢ ／ Ｔ３４０８３ 、 ＳＪ ／ Ｔ１１３８０ 中的一些术语和 定义 。 ３ ． １ 语音交互 　 狊狆犲犲犮犺犻狀狋犲狉犪犮狋犻狅狀 人类和功能单元之间通过语音进行的信息传递和交流活动 。 ３ ． ２ 语音交互系统 　 狊狆犲犲犮犺犻狀狋犲狉犪犮狋犻狅狀狊狔狊狋犲犿 由功能单元 （ 或其组合 ）、 数据资源等组成的能够实现与人类之间进行语音交互的系统 。 ３ ． ３ 功能单元 　 犳狌狀犮狋犻狅狀犪犾狌狀犻狋 能够完成特定任务的硬件实体 ， 或软件实体 ， 或硬件实体和软件实体 。 ［ ＧＢ ／ Ｔ５２７１．１ — ２０００ ， 定义 ０１．０１．４０ ］ ３ ． ４ 移动终端 　 犿狅犫犻犾犲狋犲狉犿犻狀犪犾 可以在移动中使用的便携式计算机设备 。 注 ： 常见的移动终端有手机 、 平板电脑 、 笔记本电脑 、 可穿戴设备等 。 １ 犌犅 ／ 犜 ３６４６４ ． ４ — ２０１８ ３ ． ５ 在线 　 狅狀犾犻狀犲 处于跟互联网相连接的状态 。 ３ ． ６ 离线 　 狅犳犳犾犻狀犲 处于跟互联网连接断开的状态 。 ３ ． ７ 语音识别 　 狊狆犲犲犮犺狉犲犮狅犵狀犻狋犻狅狀 将人类的声音信号转化为文字或者指令的过程 。 ［ ＧＢ ／ Ｔ２１０２３ — ２００７ ， 定义 ３．１ ］ ３ ． ８ 语音合成 　 狊狆犲犲犮犺狊狔狀狋犺犲狊犻狊 通过机械的 、 电子的方法合成人类语言的过程 。 ［ ＧＢ ／ Ｔ２１０２４ — ２００７ ， 定义 ３．１ ］ ３ ． ９ 关键字识别 　 犽犲狔狑狅狉犱狊狆狅狋狋犻狀犵 针对连续语音流中的特定关键字进行识别和检出 。 注 ： 关键字识别不需要识别全部文字 ， 只需要检测出关注的关键字在何处出现 。 ３ ． １０ 命令字识别 　 犮狅犿犿犪狀犱狑狅狉犱狉犲犮狅犵狀犻狋犻狅狀 一种基于语音识别语法的语音识别方式 ， 是在语音识别语法规则限定的范围内 ， 对于给定的语音输入 ， 语音识别引擎给出语音识别语法覆盖范围内的文本或拒识作为识别结果 。 ［ ＧＢ ／ Ｔ３４０８３ — ２０１７ ， 定义 ３．３ ］ ３ ． １１ 连续语音识别 　 犮狅狀狋犻狀狌狅狌狊狊狆犲犲犮犺狉犲犮狅犵狀犻狋犻狅狀 识别任意的连续语音 ， 并给出相对应的文本 。 注 ： 连续语音识别不限制用户说话的词汇 、 内容和方式 ， 用户可以以任意说的形式输入语音 。 ［ ＧＢ ／ Ｔ３４０８３ — ２０１７ ， 定义 ３．４ ］ ３ ． １２ 语义理解 　 狊犲犿犪狀狋犻犮狌狀犱犲狉狊狋犪狀犱犻狀犵 使功能单元理解人说话的意图 。 ３ ． １３ 交互决策 　 犻狀狋犲狉犪犮狋犻狅狀犱犲犮犻狊犻狅狀犿犪犽犻狀犵 根据客观的可能性 ， 以已知的信息和先验知识为基础 ， 借助一定的方法对交互目标的诸多可能情况进行分析 、 计算和选优后 ， 做出的行动决定 。 ３ ． １４ 声纹 　 狏狅犻犮犲狆狉犻狀狋 对语音中所蕴含的 、 能表征和标识说话人的语音特征 ， 以及基于这些特征 （ 参数 ） 建立的数学模型的总称 。 ［ ＳＪ ／ Ｔ１１３８０ — ２００８ ， 定义 ３．１．１ ］ ３ ． １５ 声纹特征 　 狏狅犻犮犲狆狉犻狀狋犳犲犪狋狌狉犲 从说话人的语音中所提取出来的 ， 可以表征该说话人语音的个性特征的参数 。 ２ 犌犅 ／ 犜 ３６４６４ ． ４ — ２０１８ ［ ＳＪ ／ Ｔ１１３８０ — ２００８ ， 定义 ３．１．２ ］ ３ ． １６ 声纹识别 　 狏狅犻犮犲狆狉犻狀狋狉犲犮狅犵狀犻狋犻狅狀 ； 犞犘犚 根据待识别语音的声纹特征识别该段语音所对应的说话人的过程 。 ［ ＳＪ ／ Ｔ１１３８０ — ２００８ ， 定义 ３．１．６ ］ ３ ． １７ 语音唤醒 　 狊狆犲犲犮犺狑犪犽犲狌狆 ； 狏狅犻犮犲狋狉犻犵犵犲狉 处于音频流监听状态的语音交互系统 ， 在检测到特定的特征或事件出现后 ，