ICS33.160.25 M74 SJ 备案号： 中华人民共和国电子行业标准 SJ/T11713—2018 智能电视语音识别通用技术要求 Speech recognition for smart television -General technical requirement 2018-04-30发布 2018-07-01实施 中华人民共和国工业和信息化部 发布 SJ/T11713—2018 前 言 《智能电视语音识别》由以下两个标准组成： SJ/T11712—2018智能电视语音识别测试方法。 SJ/T11713—2018智能电视语音识别通用技术要求： 本标准按照GB/T1.1—2009《标准化工作导则第1部分：标准的结构和编写》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。 本标准由全国音频、视频及多媒体系设技术委员会（SAC/TC242）提出并归口。 本标准起草单位：工业和信息化电子 股份有限公司、国家数 视频及多媒体产品质量监督检验中 网络科技有限公司、深圳数 字电视国家工程实 中国科学院声学研究所、 青岛海尔电了有 岛海信电器股份有限公司、京东方科技集团股份 公司、成都厚朴检测技 术有限公司、 更器创维-RGB电子 公司 星电子有限公司、熊 猫电子集团有 本司、 北京三星通信 究有限 团 公司 圳赛西信息技术有 限公司。 本标准 人：董 美、徐楠、刘云、 黄海兵 朱频频、陈成才、 程杨、 常林、肖伟 董斌、 高雄勇、 邸贺亮、 志刚、唐礼、蔡 福桥、李晓 华、李欣码 大为、 产、钟善福 S D SJ/T11713—2018 智能电视语音识别 通用技术要求 1范围 本标准规定了智能电视语音识别系统的技术要求。 本标准适用于智能电视的中文语音识别系统的研制、测试与应用。其他智能终端产品（如智能机顶 盒、平板电脑等）可参照使用本标准。 注：本标准中，中文指中文、单个英文子母 2规范性引用文件 STRY 下列文件对 的应用是必不可少的。凡是注日期的引用文 日期的版本适用于本文件。 凡是不注日期的 所有的修改单） GB18030 005 信息 字编码字符集 的扩 GB/T21 技术规范 SJ/T11 智 语音识别 测试方法 3术语、 义和缩 略语 3.1术语和 02A GB/T2h 7、 SJ/T1171 义适用 为了便于使用， 以下重复列出 10232007中的某些术语和定义。 3.1.1 智能电视 具有操作系统、能安装和弹裁应用软件、具备一种或多种人机交、能接收电视广播，接入互 联网或其他网络并实现网餐 3.1.2 语音识别speechrecognitio 将人类的声音信号转化为文字或者指令的 [GB/T21023—2007，定义3.1] 3.1.3 语音识别系统 speechrecognitionsystem 具有语音识别功能的开发工具、软件、装置或应用。 [GB/T21023—2007，定义3.2] 3.1.4 发音utterance 用户输入的一个语音单位，可以是词、短语或句子。发音单元之间应有有意、明显停顿。 [GB/T21023—2007，定义3.5] 注：听写系统有关符号读法参见附录A。 1 SJ/T117132018 3.1.5 孤立字语音isolatedwordspeech 以字为发音单元，字与字之间需有有意、明显停顿的语音。 [GB/T21023—2007，定义3.6] 3.1.6 连接词语音 connectedword speech 以词为发音单元，词与词之间需有有意、明显停顿的语音。 [GB/T21023—2007，定义3.7] 3.1.7 连续语音continuous speech 词与词之间无需刻意停顿的自然发音语音。 [GB/210232007，定义3.8] 注：包括朗读语音和自然语音。 3.1.8 实时系数real-timeratio 假设发音从T开始，发音结束时间为T，识别结束时间为T，则实时系数定义为：（T-T（T-T)。 3.2缩略语 下列缩略语适用于本文件。 EPG：电子节目单（ElectronicProgramGuide） 4智能电视语音识别系统基于用途的分类及输出准则 4.1基于用途的分类 4.1.1概述 智能电视语音识别系统从用途上可以分为：文字识别输入类、互联网智能检索类、命令词识别操控 类。 4.1.2文字识别输入类 以文字录入为主要目的，解决电视遥控器输入不便的问题，比如语音输入法。 4.1.3互联网智能检索类 包括音视频检索、EPG查询、天气查询等常见搜索功能，不局限于使用互联网搜索识别结果。比如 “刘德华的电影”、“今天北京的天气”等。 4.1.4命令词识别操控类 通过语音识别系统构建智能语音操控功能，比如“信源切换到HDMI1”、“切换到中央一套"等。 4.2识别输出准则 语音识别输出准则应为： a）文字识别输入类的语音识别输山结果为汉字内码、系统所定义的符号，其输出应满足GB18030 —2005; 2 SJ/T11713—2018 b) 互联网智能检索类的语音识别输出结果宜为关键词或用户预期获得信息 ) 命令词识别操控类的语音识别输出结果为完成语音指令词对应操作，宜给出指令词识别结果。 5智能电视语音识别系统技术要求 5.1智能电视语音识别系统功能技术要求 智能电视语音识别系统功能应满足以下要求： a) 语音识别载体支持：应支持遥控器、电视机身、机顶盒机身其中至少一种： b) 网络条件支持：应支持本地或联网其中至少一种： c) 语音识别分类支持：应支持文字识别输入类、互联网智能检索类、命令词识别操控类其中至少 一种。 5.2智能电视语音识别系统性能技术要求 5.2.1识别准确率技术要求 智能电视语音识别系统应达到如下指标： a）文字识别输入类：字正确率不低于95%； b）互联网智能检索类：由产品标准规定： 命令词识别操控类：集内正确识别率不低于95%。 5.2.2识别灵敏度技术要求 由产品标准规定。 5.2.3识别指向性技术要求 由产品标准规定。 5.2.4适用距离技术要求 由产品标准规定。 5.2.5抗背景噪声干扰能力技术要求 由产品标准规定。 5.2.6识别时间技术要求 智能电视语音识别系统的识别时间应满足以下要求： a）识别时间和实时系数技术要求 1）文字识别输入类：平均实时系数不应超过1.5： 2）互联网智能检索类：平均实时系数不应超过3： 3）命令词识别操控类：平均实时系数不应超过3。 b）最大等待时间技术要求 由产品标准规定。 5.2.7运算量技术要求 由产品标准规定。 3 SJ/T11713—2018 5.2.8资源占用技术要求 由产品标准规定。 AND S. S SJ/T117132018 （资料性附录） 听写系统有关符号读法 A.1数字的读法和输出转换 A.1.1数字序列的读法和输出转换 数字序列在标准书写格式上为数目不限的单个数字(0、1、2、3、4、5、6、7、8、9；零、 一、二、三、四、五、六、七、八、九）排列构成的数。其标准读法为由左至右依次读出各个数字。例 如：123456的读法为：一二三四五六。对于语音识别系统而言，遵循数字序列标准读法的语音输入，产 生数字序列标准书写格式的识别输出。识别结果中单个数字采用何种形式（小写数字、大写数字），由 具体应用规定。 A.1.2整数的读法和输出转换 数学上，整数有其标准的书写格式和读法。例如：整数1024（大写：一千零二十四），其标准读法为： 一千零二十四。对于语音识别系统而言，遵循整数标准读法的语音输入，产生整数标准书写格式的识别 输出。识别结果以何种形式（小写、大写）表示，由具体应用规定。 A.1.3小数的读法和输出转换 数学上，小数有其标准的书写格式和读法。例如：小数12.38（大写：十二点三八），其标准读法为：十二 点三八。对于语音识别系统而言遵循小数标准读法的语音输入，产生小数标准书写格式的识别输出。 识别结果以何种形式（小写、大写）表示，由具体应用规定。 A.1.4分数的读法和输出转换 数学上，分数有其标准的书写格式和读法。例如：分数2/5（大写：五分之二），其标准读法为：五分之 二。对于语音识别系统而言，遵照分数标准读法的语音输入，产生分数标准书写格式的识别输出。识别 结果以何种形式（小写、大写）表示，由具体应用规定。 A.1.5货币的读法和输出转换 货币的标准书写格式分为大小写两种形式。小写货币的书写格式为整数或小数，如150元，47.28 元。大写货币的书写格式为整数的大写形式（对于其小写书写格式为整数的情况）或带货币单位（元、角、 分）的通俗写法。如：一百五十元，四十七元两角八分。货币的标准读法有两种：一是整数/小数的标准读 法+"元"，如：四十七点二八元；二是带货币单位（元、角、分）通俗写法的直接读法，如：四十七元两角八 分。对于语音识别系统而言，遵循货币标准读法的语音输入.产生货币标准书写格式的识别输出。识别 结果以何种形式（小写、大写）表示，由具体应用规定。 A.2电话号码的读法和输出转换 普通固定电话号码的标准书写形式为：【国际代号[区号]市话号码[分机号】（【】中的内容表示非必 选），其中各组成部分均为小写格式数字序列。在各组成部分代码之间还可以有选择的添加一个“_” 5