| 标准编号 | GB/T 45354.1-2025 (GB/T45354.1-2025) | | 中文名称 | 智能家用电器的语音交互技术 第1部分：通用要求 | | 英文名称 | Speech interaction technology for intelligent household appliances - Part 1: General requirements | | 行业 | 国家标准 (推荐) | | 中标分类 | Y60 | | 国际标准分类 | 97.030 | | 字数估计 | 18,170 | | 发布日期 | 2025-02-28 | | 实施日期 | 2025-09-01 | | 发布机构 | 国家市场监督管理总局、中国国家标准化管理委员会 | GB/T 45354.1-2025: 智能家用电器的语音交互技术 第1部分：通用要求
ICS 97.030
CCSY60
中华人民共和国国家标准
智能家用电器的语音交互技术
第1部分:通用要求
Part1:Generalrequirements
国 家 市 场 监 督 管 理 总 局
国 家 标 准 化 管 理 委 员 会 发 布
目次
前言 Ⅲ
引言 Ⅳ
1 范围 1
2 规范性引用文件 1
3 术语和定义 1
4 智能家电语音交互分类 2
5 语音交互框架结构 3
6 技术要求 4
7 标志、指示和使用说明 11
附录A(规范性) 具有语音交互功能的智能家电特殊要求 12
参考文献 13
前言
本文件按照GB/T 1.1-2020《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
起草。
本文件是GB/T 45354《智能家用电器的语音交互技术》的第1部分。GB/T 45354已经发布了以
下部分:
---第1部分:通用要求。
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专利的责任。
本文件由中国轻工业联合会提出。
本文件由全国家用电器标准化技术委员会(SAC/TC46)归口。
本文件起草单位:中国家用电器研究院、青岛海尔智能技术研发有限公司、中家院(北京)检测认证
有限公司、美的集团(上海)有限公司、广东中创智家科学研究有限公司、北京小米移动软件有限公司、
安徽众家云物联网科技有限公司、工业和信息化部电子第五研究所、博西家用电器投资(中国)有限公
司、青岛海尔电冰箱有限公司、海信容声(广东)冰箱有限公司、青岛海尔空调器有限总公司、珠海格力电
器股份有限公司、松下家电(中国)有限公司、广东产品质量监督检验研究院、南京海关纺织工业产品检
测中心、江苏省产品质量监督检验研究院、广东万和新电气股份有限公司、青岛海信日立空调系统有限
公司、TCL空调器(中山)有限公司、广东万家乐燃气具有限公司、浙江东信电器有限公司、广州机智云
物联网科技有限公司、公安部第三研究所、广州市拓璞电器发展有限公司、三门康创电子科技有限公司、
安徽金帅洗衣机有限公司、浙江天喜厨电股份有限公司、中山市嘉科电子有限公司、朝阳聚声泰(信丰)
科技有限公司、宁波曼华电器有限公司、宁波星鼎电器有限公司、广东三华钒音科技有限公司、北京瑞森
新谱科技股份有限公司、慈溪市悦达电子科技有限公司、宁波瑞卡电器有限公司、天津大学。
本文件主要起草人:曲宗峰、许升、焦利敏、高羽、孙杰英、周珏嘉、叶迅凯、李红伟、詹林其、王亦铭、
张景瑞、姬四林、李伟、段卉冰、周小俊、余华超、聂义、徐晓昂、李光斌、闫凌、胡亚欣、张文强、韩东、刘兵、
牛晟、刘琰、刘继顺、李卫忠、屈克勇、潘俊峰、梁郁庆、潘胜琼、郭奕君、孙一洲、胡迎迎、袁兰浪、郑广昌、
牛军营、江涛。
引 言
随着信息技术的发展,越来越多的智能家用电器引入了语音交互功能,语音交互功能对智能家电和
智能家电系统提出新的标准要求。本文件旨在规范具有语音交互功能智能家用电器的通用技术要求,
为智能家用电器人机交互系统的设计、开发和管理提供标准依据。
GB/T 45354《智能家用电器的语音交互技术》拟由三个部分组成。
---第1部分:通用要求。旨在规范具有语音交互功能智能家用电器的通用技术要求。
---第2部分:测试方法。旨在规范具有语音交互功能智能家用电器的测试方法。
---第3部分:评价和分级。旨在规范具有语音交互功能智能家用电器的评价方法和分级要求。
智能家用电器的语音交互技术
第1部分:通用要求
1 范围
本文件规定了智能家用电器(以下简称“智能家电”)的语音交互分类、语音交互框架结构、语音交互
技术要求以及标志、指示和使用说明。
本文件适用于通过语音方式进行交互的智能家电的设计、开发、测试和评价。
2 规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文
件,仅该日期对应的版本适用于本文件;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。
GB/T 34145-2017 中文语音合成互联网服务接口规范
GB/T 37036.5-2023 信息技术 移动设备生物特征识别 第5部分:声纹
GB/T 41807 信息安全技术 声纹识别数据安全要求
SJ/T 11540-2015 有源扬声器通用规范
3 术语和定义
下列术语和定义适用于本文件。
3.1
语音交互 speechinteraction
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。
[来源:GB/T 36464.2-2018,3.1]
3.2
语音识别 speechrecognition
将人类的声音信号转化为文字或者指令的过程。
[来源:GB/T 21023-2007,3.1]
3.3
语音合成 speechsynthesis
通过机械的、电子的方法合成人类语言的过程。
注:该过程所产生的语音称为合成语音,和人的发音器官产生自然语音相区别,有时也叫人工语音(artificialspeech)。
[来源:GB/T 21024-2007,3.1]
3.4
为智能家电提供语音识别、语义理解、语音交互决策、语音合成等一项或多项服务的平台。
3.5
为智能家电提供服务、管理和互联,同时,为智能家电与其他家电、其他行业或第三方应用之间提供
接入服务的平台。
[来源:GB/T 36432-2018,2.3,有修改]
3.6
对发声物体位置的判断过程。
[来源:GB/T 36464.1-2020,3.28]
3.7
使功能单元理解人说话的意图。
[来源:GB/T 36464.2-2018,3.11]
3.8
语音唤醒 speechwake-up;voicetrigger
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,切换到命令字识别、连
续语音识别等其他处理状态的过程。
[来源:GB/T 36464.2-2018,3.13]
3.9
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。
[来源:SJ/T 11380-2008,3.1.6]
3.10
语音打断 speechinterruption
语音交互系统在播放声音的过程中,当语音采集设备检测到有效语音输入时,转到语音识别等其他
处理过程。
[来源:GB/T 36464.2-2018,3.18,有修改]
3.11
声压级 soundpressurelevel
声压信号的时间均方与基准值平方之比的以10为底的对数乘以10。
注1:声压级用分贝(dB)表示。
注2:基准值为20μPa。
[来源:GB/T 3785.1-2023,3.2]
3.12
语义拒识 semanticrejection
对无法处理或无效语音输入内容进行语义分析和拒绝的能力。
4 智能家电语音交互分类
4.1 按是否联网分类
按语音交互功能是否需要联网分为:
a) 在线型;
b) 离线型;
c) 离线/在线混合型。
4.2 按拾音距离分类
按拾音距离分为:
a) 近场:拾音距离≤1m;
b) 中场:1m< 拾音距离≤3m;
c) 远场:3m< 拾音距离≤5m;
d) 超远场:拾音距离 >5m。
4.3 按是否需要唤醒分类
按语音交互功能是否需要唤醒分为:
a) 免唤醒;
b) 需要唤醒:
---语音唤醒;
---其他非语音方式唤醒。
示例:按键唤醒、通过手势唤醒、系统调用唤醒。
5 语音交互框架结构
智能家电的语音交互框架结构示意图见图1。
注:实线箭头表示智能家电所含系统/模块,虚线箭头表示外部系统/模块与智能家电的交互关系。
图1 智能家电的语音交互框架结构示意图
智能家电通过语音交互界面与用户进行语音交互。语音交互界面接收语音信息,可通过语音方式
或其他交互方式将交互内容输出给用户。
注:智能家电的交互结果以语音、文本、图像等一种或多种形式组合输出。
语音模块与业务系统进行语音数据交换,业务系统根据语音数据进行系统决策并对家电进行管控。
智能家电的语音模块包括前端处理模块和语音处理模块。
a) 前端处理模块具有语音信号获取和语音预处理功能。
---语音信号获取功能是指使用麦克风或麦克风阵列(由具有确定空间拓扑结构的多个麦克
风 组成的,对信号的空间特性进行采样并滤波的系统)进行连续音频采集。
---语音预处理功能是指对采集的音频信号进行以下一项或多项处理,包括:
● 语音唤醒;
● 语音增强(当有效语音信号被各种噪声干扰,甚至淹没后,从含有噪声背景的声音信
号中提取有效语义信号,抑制、降低噪声干扰的技术。如:噪声抑制、回声消除等);
● 声源定位;
● 格式转换等。
b) 语音处理模块可具有:
---语音编解码;
---端点检测(一种用于分析、判断连续音频流中有效语音起始点和结束点的语音处理技术);
---声纹识别;
---语音识别;
---语音合成等功能。
智能家电的业务系统包括决策模块、控制模块和执行模块,其中决策模块为可选模块。
a) 决策模块根据各种决策知识库、语料库、语言模型等决策支持信息实现语义理解和家电运行的
决策。在线型或离线/在线混合型语音智能家电的决策处理功能还可通过通信部件在智能家
电服务平台上实现。决策模块可在智能家电内部,也可在智能家电服务平台。
b) 控制模块获取决策信息,对决策信息分析后对执行模块发出操控指令。
c) 执行模块接收控制模块的操控指令后执行,并将执行的结果反馈给控制模块。
语音服务平台可与智能家电服务平台直接进行数据交换,将语音数据送入智能家电服务平台进行
决策以减轻智能家电本机的决策压力。在线型或离线/在线混合型语音智能家电的语音处理功能还可
通过通信部件在语音服务平台上实现,语音服务平台的语音处理功能可包括:
---语音识别;
---语义理解;
---交互决策;
---语音合成。
6 技术要求
6.1 通用要求
具有语音交互功能的智能家电应符合以下条款的要求,智能家电根据其类型还应符合附录A的特
殊要求。
6.2 结构设计要求
智能家电结构设计要求如下:
a) 传声器和扬声器宜避免家电自身的振动和声音以及强电磁的干扰;
b) 传声器和扬声器宜做隔音处理,宜放置在不同的腔体内或选择隔音材料对语音部件进行隔离,
在结构允许的情况下,两者距离尽量远离;
c) 传声器和扬声器宜做减震处理,避免传声器和扬声器直接接触家电的硬性面板产生震动;
d) 扬声器发声孔方向宜避免面对传声器拾音孔;
e) 传声器拾音孔宜放置在设备易采集语音的位置;
f) 传声器拾音孔和扬声器发声孔宜根据不同使用环境进行防尘、防油烟、防潮、防水等处理措施;
g) 使用多传声器的智能家电宜针对每个传声器形成单独的拾音腔体结构设计;
h) 智能家电各传声器拾音孔处宜通过物理密闭隔绝外界噪声,通常以物理密闭传声器前后录到
的音频时段的平均振幅差表征,各传声器的密封性数值宜在15dB及以上;
i) 当智能家电有防水或防尘等要求,可在传声器处增加如防水、防尘透声膜等结构设计,增加相
应结构造成的声损值不宜大于2dB。
6.3 安全要求
6.3.1 对语音交互功能的限制
智能家电对语音交互功能的限制要求如下。
a) 出现包括但不限于以下情况时,智能家电对语音操控指令应不予执行或按照本机安全阈值范
围运行,并给出用户提示信息:
1) 语音操控指令不符合智能家电的运行逻辑;
2) 语音操控指令的参数值超出本机程序的操作阈值范围;
示例1:将空调器温度设为5℃,将按照最低设置温度16℃进行设置或提示用户已超出空调器可设置
的温度限值。
3) 某些不适合进行语音交互的特定状态时。
示例2:家电处于免打扰模式下,不支持语音操控或者可支持语音操控,但不支持语音提示和执行结果
的语音反馈而采用其他提示或反馈方式。
b) 语音操控指令不应突破智能家电原有的功能安全限制。
c) 不应将传声器采集的与产品功能无关的数据进行储存或用于其他用途。
示例3:禁止空调器将用户在客厅的各种日常非操控语音搜集存储。
d) 不同类型的智能家电会对语音交互功能有不同的限制,在某些特定的状态下,不支持语音交互
功能,当智能家电不执行语音交互功能时,应向用户提示。
示例4:洗衣机在高速脱水状态下会产生高噪声,在此状态下的洗衣机将不接收语音操控指令,制造商可在说
明书中向用户说明。
e) 智能家电的语音交互功能可根据不同用户设置管理权限,针对不同的用户配置不同的语音交
互功能使用权限。
f) 智能家电在关机模式下,语音交互功能不应被激活或使用。
注:关机模式为当家电的供电装置连接到主电源时,未出现待机模式、网络模式或活跃模式,且为持续的任何
产品模式。
g) 智能家电的语音交互对有可能造成损害的操控指令,应要求用户确认。
示例5:删除操作、升级固件。
6.3.2 具有声纹识别功能智能家电的数据安全要求
智能家电如支持声纹识别功能,应向用户进行特别说明并采取特殊的安全保护措施,数据安全应符
合GB/T 41807的要求。
6.4 功能要求
6.4.1 语音交互功能开启/关闭
语音交互功能应能被用户开启和关闭。
6.4.2 播放音量调节
具有播放音量调节功能的智能家电,宜通过语音或其他方式进行播放音量调节,在距离智能家电扬
声器中心点正面1m处,默认播放音量推荐55dB(A),不宜高于70dB(A)。
6.4.3 语音唤醒
具有唤醒功能的智能家电,要求如下:
a) 应具有默认唤醒词;
b) 宜支持唤醒词的自定义功能;
c) 在智能家电进行语音播报或播放时,宜允许语音唤醒。
6.4.4 语音识别
应至少支持关键字识别(针对连续语音流中的特定关键字进行识别和检出)、命令字识别、连续语音
识别中的一种。
注1:命令字识别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。
注2:连续语音识别能够识别任意的连续语音,并给出相对应的文本。
6.4.5 语义理解
智能家电宜支持语义理解功能。
智能家电宜支持对特定声场中的非目标语音指令的识别和理解,并对非目标语音指令不予执行。
注:非目标语音指令包括但不限于非目标人声、电视发声等。
6.4.6 回声消除
宜支持对输入语音中的回声进行抑制,提升输入语音信号的清晰度和可懂度。
6.4.7 噪声抑制
宜支持对输入语音中的背景噪声进行抑制,提高输入语音信号的信噪比。
6.4.8 声源定位
具有声源定位功能的智能家电,宜支持通过对声源的平面角、方位角和声源距离的计算,对发声源
进行定位。
6.4.9 语音打断
宜支持语音打断功能。当智能家电在播放声音的过程中,语音采集部件检测到有效语音输入时,宜
中断该声音播放任务,执行接收到的语音输入指令,待该指令完成后,家电根据当前工作状态,宜恢复之
前的声音播放任务。
6.4.10 开放性聊天
宜支持开放性聊天功能,能够在随机的语音对话中稳定保持话题延续性的能力。
6.4.11 多方言/多语种混用能力
宜支持多方言/多语种混用能力,要求如下:
a) 通过用户设置来选择方言或多语种;
b) 通过对用户语言特点进行自学习,实现多方言和多语种的自动切换;
c) 具有(多)语种识别能力:智能家电可自动对输入语音所属的某个或多个(2个及以上)语种进
行判断和语音识别;
d) 具有多语种混读识别能力:在多个语种混读的情况下,智能家电能自动对不同语种进行判断和
语音识别;
e) 具有(多)汉语方言识别能力:智能家电能自动对输入语音所属的某个或多个(2个及以上)汉
语方言进行判断和语音识别。
6.4.12 语音操控和执行结果反馈
应支持语音操控功能,并向用户反馈家电的执行结果,如家电不能执行该语音操控指令,应告知
用户。
语音操控包括:真人语音操控、语音录制或合成方式的语音操控。
交互反馈的结果宜通过语音方式(如播放真人录音或通过合成的语音),或通过指示灯、文字、屏幕
图形等方式向用户展示。
合成的语音音频数据格式应符合GB/T 34145-2017中表2的规定。
6.4.13 语音提示
操控智能家电时,家电宜具有语音提示功能,语音提示信息应与操控相符合。
示例:用户按空调开关键打开空调,空调语音提示“打开空调”。
语音提示功能宜具有开启和关闭功能。
6.4.14 语音报警
当智能家电发生异常或故障时,宜通过语音向用户发送报警、提醒或后续处理方法,语音信息应与
故障相符。异常或故障包括但不限于:语音识别错误、更新失败。
智能家电无法识别输入音频时,宜给予相关提示。
6.4.15 学习能力
智能家电的语音交互功能宜具备学习能力,根据家电工作状态、用户信息、使用习惯、使用环境以及
使用场景等信息进行学习,调整出更适合该用户的语音交互结果。
6.4.16 软件升级
智能家电的语音交互系统具有软件升级功能,要求如下:
a) 宜支持软件升级,可通过网络下载升级文件或数据包;
b) 软件升级宜进行完整性升级或部分升级;
c) 软件升级前,应经有权限的用户同意方可进行升级;
d) 软件升级过程中,宜给予用户正在升级的提示;
e) 软件升级失败后,家电应能正常工作。
6.4.17 声纹识别
具有声纹识别功能的智能家电,应符合GB/T 37036.5-2023中第7章的规定。
6.5 性能要求
6.5.1 扬声器性能
智能家电的扬声器性能宜符合SJ/T 11540-2015中4.4和4.5的规定。
6.5.2 拾音距离
智能家电根据厂商标注的拾音距离分类,按照表1的测试距离要求进行测试,唤醒成功率和交互成
功率应符合6.5.3和6.5.6的要求。
表1 拾音距离的测试距离
拾音距离分类 测试距离
近场语音智能家电 1m
中场语音智能家电 3m
远场语音智能家电 5m
超远场语音智能家电 按制造商声明的距离(大于5m)进行测试
6.5.3 唤醒成功率
针对需要唤醒的智能家电,满足表1拾音距离要求,唤醒成功率要求如下:
a) 在低噪环境[40dB(A)≤家电拾音孔中轴线处的背景噪声声压级≤50dB(A)、信噪比为
10dB]下,唤醒成功率≥95%;
b) 在高噪环境[50dB(A)≤家电拾音孔中轴线处的背景噪声声压级≤60dB(A)、信噪比为
10dB]下,唤醒成功率≥90%。
唤醒成功率计算方法见公式(1)。
Pr=
Nsw
Nw ×
100% (1)
式中:
Pr ---唤醒成功率;
Nsw---正确唤醒次数;
Nw ---总唤醒次数。
6.5.4 误唤醒频度
针对需要唤醒的智能家电,误唤醒频度应小于或等于1次/24h。
注:误唤醒是指智能家电处于音频流监听状态,无音频流或者音频流中没有出现唤醒所需的特征或事件时,语音唤
醒系统被唤醒的现象。
6.5.5 唤醒响应时间
针对需要唤醒的智能家电,唤醒响应时间应小于或等于1000ms。
唤醒时延计算方法见公式(2)。
Twak=Tr-Te (2)
式中:
Twak---唤醒时延,单位为毫秒(ms);
Tr ---家电唤醒响应开始时刻;
Te ---唤醒语音结束时刻。
6.5.6 交互成功率
交互成功率应符合表2要求。
表2 交互成功率
序号 测试语料集 可选/必选
指令交互成功率
(低噪环境)
指令交互成功率
(高噪环境)
1 本机功能操控语料集 必选 95% 90%
2 泛化后的本机功能操控语料集 必选 90% 85%
3 语音交互组合测试语料集 可选 90% 85%
交互成功率的计算方法见公式(3)。
CS=
S+F×
100% (3)
式中:
CS ---交互成功率;
S ---交互成功的次数;
F ---交互失败的次数。
注:以家电本体执行的准确性统计交互成功的次数,即语音反馈控制成功,但家电本体未正确执行,记为交互失败。
6.5.7 交互响应时间
离线语音交互的响应时间不应大于2000ms,在线语音交互响应时间不应大于3000ms。
交互响应时间的计算方法见公式(4)。
Tres=Ts-Tc (4)
式中:
Tres---响应时间,单位为毫秒(ms);
Ts ---家电本体交互给出反馈的开始时刻;
Tc ---语音输入结束的时刻。
6.5.8 语音打断成功率
智能家电如支持语音打断功能,语音打断成功率应符合:
a) 在低噪环境下,语音打断成功率≥95%;
b) 在高噪环境下,语音打断成功率≥90%。
语音打断成功率的计算方法见公式(5)。
Pi=
Ni
N ×100%
(5)
式中:
Pi---语音打断成功率;
N ---交互过程中需要执行打断操控的次数;
Ni---被语音交互系统正确响应的次数。
6.5.9 语义拒识率
具有语义拒识功能的智能家电,语义拒识率应大于或等于90%。
语义拒识率的计算方法见公式(6)。
Psr=
Nsr
N ×100%
(6)
式中:
Psr---语义拒识率;
N ---交互过程中需要执行语义拒识的次数;
Nsr---被语音交互系统正确识别并拒识的次数。
6.5.10 声纹验证基本性能
支持声纹识别功能的智能家电声纹验证基本性能应满足GB/T 37036.5-2023中8.1.1和8.1.2的
规定。
6.6 可靠性要求
6.6.1 无故障运行
智能家电在72h的测试时间内,接受持续的语音交互测试,智能家电功能应能保持正常,不应出现
家电宕机、语音交互功能无法使用情况。
6.6.2 容错性
智能家电的容错性要求如下:
a) 宜具备错误检查能力,可对语音交互过程中用户的错误输入,给予相应的提示;
b) 语音交互过程中允许由于用户输入偏差,在一定偏差范围内的语音指令可接收并执行,但应给
予执行的操控指令以相应确认性的提示;
c) 语音交互过程中被打断或中断,不应引起家电运行错误;
d) 宜对不规范的语音输入具备理解和处理能力,确保智能家电正确理解且正确执行。
注:语音指令中含有“不要”“别”等否定词,智能家电能正确理解语音指令语义。
示例1:用户发送语音交互控制指令要求空调器设置温度上升1.5℃,空调器提示用户:“设置温度没有办法提升半
度,请问是提升1℃还是2℃?”。
示例2:用户甲给空调器发送语音操控指令过程中被用户乙打断并发送新的操控指令,不引起空调器运行错误。
6.6.3 易恢复性
6.6.3.1 故障恢复
智能家电出现故障或宕机后,宜通过自身修复或简单操作重新恢复语音交互的正常使用。
6.6.3.2 断网恢复
在线型或离线/在线混合型语音智能家电的语音交互应有断网恢复功能,要求如下:
a) 语音交互界面在网络中断时,应有相应的提示,不影响智能家电除在线语音交互功能以外的其
他功能的正常使用;
b) 网络恢复后,应在60s内自行连接网络,在线语音交互功能恢复正常;
c) 网络中断前的数据,在网络恢复后,应进行数据同步。
6.6.3.3 断电恢复
应有断电恢复功能:
a) 断电恢复后,语音功能恢复正常;
b) 断电前的数据,在供电恢复后,进行数据同步。
6.6.4 环境适应性
智能家电的语音交互功能不应因各种环境影响因素的合理、正常变化而发生错误。
注:环境影响因素包括但不限于温度、湿度、电磁环境、电压等。
具体品类智能家电的环境适应性按照具体品类家电的环境适应性要求进行测试。
7 标志、指示和使用说明
7.1 标志、指示
具有语音交互功能的智能家电,本体上宜有语音交互标志。
智能家电语音交互功能启用后,应有相应指示,指示的方式包括但不限于指示灯、指示图标等。
7.2 使用说明
使用说明中应包括但不限于以下信息:
a) 语音交互功能的使用方法;
b) 语音交互类型及相关必要的说明;
c) 语音拾音距离;
d) 语音交互支持的语种,语种包括但不限于中文、英文等;
e) 使用语音交互过程中出现的常见故障以及故障的处理方法;
f) 如涉及用户隐私,有相关隐私政策说明,用户......
|