我國智能語音領(lǐng)域技術(shù)標(biāo)準(zhǔn)化研究

摘 要：依據(jù)現(xiàn)行新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南規(guī)定，本文分別以國家、行業(yè)、團體發(fā)布的有效標(biāo)準(zhǔn)3個維度系統(tǒng)梳理了人工智能涉及智能語音領(lǐng)域技術(shù)標(biāo)準(zhǔn)化研究現(xiàn)狀。從統(tǒng)計數(shù)據(jù)可以得出，我國智能語音領(lǐng)域的標(biāo)準(zhǔn)化研究已趨向成熟。但是仍存在標(biāo)準(zhǔn)更新滯后、標(biāo)準(zhǔn)覆蓋范圍有限、缺乏協(xié)同合作等突出問題，最后對智能語音領(lǐng)域相關(guān)標(biāo)準(zhǔn)化工作提出建議。

關(guān)鍵詞：人工智能，標(biāo)準(zhǔn)化，智能語音，現(xiàn)狀

DOI編碼：10.3969/j.issn.1674-5698.2024.12.017

0 引 言

智能語音技術(shù)起源于2 0世紀(jì)50年代至6 0年代的早期語音識別研究[1]，當(dāng)時科學(xué)家們試圖構(gòu)建能夠理解和響應(yīng)人類語音的系統(tǒng)。早期工作主要集中在模板匹配和基于規(guī)則的方法上，但由于計算能力有限和語音數(shù)據(jù)的復(fù)雜性，進展較為緩慢。進入21世紀(jì)，特別是在2000年后，隨著深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)的興起，智能語音技術(shù)實現(xiàn)了質(zhì)的飛躍。深度神經(jīng)網(wǎng)絡(luò)模型被應(yīng)用于語音特征提取、聲學(xué)建模和語言模型構(gòu)建等方面，顯著提高了語音識別和語音合成的準(zhǔn)確率和自然度[2]。

隨著移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算和大數(shù)據(jù)時代的到來，人機交互方式的需求發(fā)生了深刻變化。用戶對于便捷、高效、自然的交互體驗有了更高的追求，這催生了智能語音技術(shù)在智能手機、智能家居、可穿戴設(shè)備、車載信息系統(tǒng)等各種場景中的廣泛應(yīng)用[3]。隨著智能語音技術(shù)在智能終端的不斷進步和廣泛應(yīng)用，相關(guān)行業(yè)領(lǐng)域正在迎來顯著增長，預(yù)計如：智能手機、智能家居、可穿戴設(shè)備這些領(lǐng)域的市場價值將實現(xiàn)上千億元的大幅提升[4]。

智能語音技術(shù)的研究背景是由科技進步、社會需求以及多學(xué)科交叉融合共同塑造的，因此智能語音領(lǐng)域標(biāo)準(zhǔn)體系中的各項標(biāo)準(zhǔn)都是相互聯(lián)系不可分割的，需要堅持整體觀以制定高效協(xié)同的智能語音技術(shù)標(biāo)準(zhǔn)[5]。本文通過對智能語音領(lǐng)域當(dāng)前已發(fā)布的國家、行業(yè)及團體標(biāo)準(zhǔn)以及正在研制的國家標(biāo)準(zhǔn)計劃進行分析，得出智能語音技術(shù)標(biāo)準(zhǔn)化研究進展。基于綜合分析結(jié)果，指出我國在推進智能語音技術(shù)標(biāo)準(zhǔn)化過程中面臨的主要問題，并針對這些問題提出具體改進建議。

1 我國智能語音領(lǐng)域技術(shù)標(biāo)準(zhǔn)化現(xiàn)狀

1.1 整體標(biāo)準(zhǔn)化現(xiàn)狀

智能語音行業(yè)中國家、行業(yè)、地方和團體各類標(biāo)準(zhǔn)的制定進展，很大程度上展示了該領(lǐng)域在國內(nèi)的成長狀態(tài)及政府、行業(yè)對其監(jiān)管的程度。如：國家推薦性系列標(biāo)準(zhǔn)，涵蓋了基礎(chǔ)技術(shù)、服務(wù)質(zhì)量、安全性等多個層面，旨在規(guī)范智能語音產(chǎn)品的功能、性能和安全性要求，推動國內(nèi)市場的規(guī)范化和技術(shù)創(chuàng)新。我國智能語音行業(yè)已經(jīng)逐步建立了較為完善的國家標(biāo)準(zhǔn)化體系，包含一系列國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)、地方標(biāo)準(zhǔn)和團體標(biāo)準(zhǔn)。智能語音標(biāo)準(zhǔn)不僅局限于家庭消費電子產(chǎn)品，還延伸到了教育、醫(yī)療、政務(wù)、電信、電商、金融等企業(yè)級應(yīng)用領(lǐng)域。針對不同的應(yīng)用場景，爭取做到有對應(yīng)的標(biāo)準(zhǔn)化要求，以確保智能語音技術(shù)在各行業(yè)健康有序發(fā)展，這不僅有效規(guī)范了市場行為，也為我國智能語音技術(shù)的自主創(chuàng)新和產(chǎn)業(yè)發(fā)展提供了強有力的支持。

1.2 國家標(biāo)準(zhǔn)

智能語音行業(yè)國家標(biāo)準(zhǔn)制定現(xiàn)狀在很大程度上反映了該行業(yè)在國內(nèi)的發(fā)展水平和政府監(jiān)管力度。智能語音方向已發(fā)布的國家標(biāo)準(zhǔn)總計17項（見表1），均為推薦性標(biāo)準(zhǔn)，內(nèi)容涵蓋術(shù)語和定義、語義庫要求、通用規(guī)范、測試方法、終端設(shè)備要求和具體場景應(yīng)用要求等[6 ]。在研的國家標(biāo)準(zhǔn)計劃有3項（見表1），均為智能語音產(chǎn)品在應(yīng)用場景中的規(guī)范要求，這表明國家對智能語音行業(yè)的監(jiān)管力度逐步增大，對智能語音交互系統(tǒng)的要求日益嚴(yán)格，顯示出國家對這一新興技術(shù)領(lǐng)域的重視愈加提高。國家旨在通過制定和實施一系列標(biāo)準(zhǔn)，完善建設(shè)標(biāo)準(zhǔn)體系，確保行業(yè)中的產(chǎn)品和服務(wù)能夠達到一定的質(zhì)量要求，即通過有效標(biāo)準(zhǔn)化手段規(guī)范市場秩序，推動行業(yè)良性競爭。同時，隨著相關(guān)國家標(biāo)準(zhǔn)的發(fā)布和修訂，有助于用權(quán)威手段解決市場上存在的例如：測試方法具有差異性、服務(wù)接口不統(tǒng)一、應(yīng)用場景不同等問題，從而增加公眾信任度。此外，規(guī)范性文件也更加明確且具有針對性，有利于引導(dǎo)整個產(chǎn)業(yè)鏈向可持續(xù)的方向發(fā)展。總之，加強對智能語音技術(shù)的規(guī)范化、標(biāo)準(zhǔn)化，是利用國家標(biāo)準(zhǔn)推動該領(lǐng)域長期穩(wěn)定發(fā)展的關(guān)鍵所在。

1.3 行業(yè)標(biāo)準(zhǔn)

行業(yè)標(biāo)準(zhǔn)方面，智能語音方向發(fā)布并現(xiàn)行標(biāo)準(zhǔn)9項（見表2），均為推薦性行業(yè)標(biāo)準(zhǔn)，規(guī)范了移動通信、物聯(lián)網(wǎng)、智能家居、車載信息服務(wù)等多個重要領(lǐng)域，并且對這些領(lǐng)域的智能語音技術(shù)要求及測試方法進行了詳細(xì)的規(guī)范。通過針對行業(yè)內(nèi)特定應(yīng)用場景設(shè)定統(tǒng)一的技術(shù)指標(biāo)和評價體系，有利于提高整個行業(yè)的技術(shù)水平和服務(wù)質(zhì)量，促進健康有序的發(fā)展。特別值得一提的是，在某些特定的應(yīng)用場景中都是結(jié)合自身領(lǐng)域特點分別制定了更加細(xì)致化的行業(yè)標(biāo)準(zhǔn)來指導(dǎo)智能語音技術(shù)的應(yīng)用。公安、金融領(lǐng)域考慮到信息安全和隱私保護的重要性，在這些領(lǐng)域發(fā)布的標(biāo)準(zhǔn)會更加注重數(shù)據(jù)加密傳輸、用戶身份驗證等方面的要求，以保證過程中收集或存儲的信息能夠得到妥善處理。而在智能電視領(lǐng)域針對家庭多媒體這一場景，則更加強調(diào)用戶體驗優(yōu)化、識別準(zhǔn)確性、應(yīng)答效率等功能實現(xiàn)。通過為不同的應(yīng)用場景量身定制標(biāo)準(zhǔn)，不僅有利于解決行業(yè)內(nèi)的共性問題，還能激發(fā)更多智能語音技術(shù)創(chuàng)新應(yīng)用的出現(xiàn)。

1.4 團體標(biāo)準(zhǔn)

團體標(biāo)準(zhǔn)通常由行業(yè)內(nèi)具有影響力的企業(yè)或技術(shù)領(lǐng)導(dǎo)者牽頭制定，團體標(biāo)準(zhǔn)的制定和發(fā)布主要是為了應(yīng)對快速發(fā)展的技術(shù)趨勢以及市場中不斷涌現(xiàn)的新需求，例如：針對新興的語音識別算法、語音合成技術(shù)、多模態(tài)交互方式等制定相應(yīng)的技術(shù)標(biāo)準(zhǔn)。相比國家和行業(yè)標(biāo)準(zhǔn)，團體標(biāo)準(zhǔn)的一個顯著優(yōu)勢是制定流程相對靈活，由于不需要經(jīng)過漫長的制定過程，因此能迅速地根據(jù)科技成果的最新發(fā)展調(diào)整內(nèi)容，并及時反映到標(biāo)準(zhǔn)當(dāng)中。目前智能語音領(lǐng)域發(fā)布并現(xiàn)行團體標(biāo)準(zhǔn)13項（見表3），主要以智能語音技術(shù)與產(chǎn)品評估方法為方向進行標(biāo)準(zhǔn)化制定。通過推動團體標(biāo)準(zhǔn)的發(fā)展和完善，有利于企業(yè)間通過一起制定標(biāo)準(zhǔn)交流最新的科技成果，形成良好的市場競爭環(huán)境。

2 我國智能語音領(lǐng)域技術(shù)標(biāo)準(zhǔn)化存在問題

2.1 標(biāo)準(zhǔn)更新滯后

通過對當(dāng)前智能語音領(lǐng)域標(biāo)準(zhǔn)制定現(xiàn)狀的研究，我們可以觀察到，這一產(chǎn)業(yè)正逐步實現(xiàn)與不同行業(yè)的深度融合，尤其是在金融、醫(yī)療和安全監(jiān)控等行業(yè)中。然而，在智能語音技術(shù)迅速發(fā)展的背景下，標(biāo)準(zhǔn)的制定往往難以跟上技術(shù)創(chuàng)新的速度。這種滯后性不僅體現(xiàn)在新標(biāo)準(zhǔn)的發(fā)布時間上，還包括現(xiàn)行標(biāo)準(zhǔn)對新興技術(shù)和應(yīng)用場景的適應(yīng)性不足。標(biāo)準(zhǔn)制定過程通常需要經(jīng)過廣泛的協(xié)商、測試和驗證，以確保其科學(xué)性和實用性。這一過程涉及多個利益相關(guān)方，包括政府機構(gòu)、行業(yè)組織、企業(yè)和研究機構(gòu)等，各方之間達成共識往往需要較長時間，這進一步延長了標(biāo)準(zhǔn)從立項到正式發(fā)布的時間周期。

2.2 標(biāo)準(zhǔn)覆蓋范圍有限

由于智能語音技術(shù)快速發(fā)展且應(yīng)用場景廣泛，智能語音技術(shù)是一個跨學(xué)科的領(lǐng)域，它的研究和發(fā)展集合了眾多學(xué)科的知識[ 7 ]，包括但不限于：數(shù)字信號處理（DSP），用于預(yù)處理和解析語音信號；人工智能（AI）與機器學(xué)習(xí)（ML），用于模式識別和自適應(yīng)學(xué)習(xí)；自然語言處理（NLP），負(fù)責(zé)理解語音背后的含義；聲學(xué)，研究聲音產(chǎn)生和傳播機制，優(yōu)化語音識別性能；心理學(xué)與情感學(xué)，探索語音表達的情感維度，提升交互體驗的真實性；統(tǒng)計學(xué)和數(shù)學(xué)，提供量化分析手段和模型構(gòu)建的基礎(chǔ)[8]。現(xiàn)有標(biāo)準(zhǔn)往往難以全面覆蓋所有新興技術(shù)和特定使用場景，例如：雖然已有不少針對普通話等主要語言的語音識別與合成標(biāo)準(zhǔn)，但對于地方方言以及小語種的支持仍然不足。現(xiàn)有的智能語音技術(shù)在處理方言時，由于缺乏統(tǒng)一的發(fā)音、詞匯、語法和表達習(xí)慣等標(biāo)準(zhǔn)[9]，導(dǎo)致語音識別引擎難以適應(yīng)所有方言變體，識別準(zhǔn)確率受限。

2.3 缺乏協(xié)同合作

智能語音領(lǐng)域團體標(biāo)準(zhǔn)文本公開程度較低，體現(xiàn)出企業(yè)間缺乏協(xié)同合作的問題。由于各企業(yè)間存在競爭關(guān)系，導(dǎo)致關(guān)鍵技術(shù)和研究成果難以共享，形成了技術(shù)壁壘；同時，不同企業(yè)、科研機構(gòu)收集的語音數(shù)據(jù)集往往互不兼容，限制了模型訓(xùn)練的效果和通用性。此外，學(xué)術(shù)界與企業(yè)界缺乏有效溝通機制也阻礙了理論創(chuàng)新向?qū)嶋H應(yīng)用轉(zhuǎn)化。

3 我國人工智能關(guān)鍵領(lǐng)域技術(shù)標(biāo)準(zhǔn)化發(fā)展建議

3.1 提高標(biāo)準(zhǔn)制定時效性

為了加快智能語音領(lǐng)域技術(shù)標(biāo)準(zhǔn)的制定速度，可以構(gòu)建一個多方參與、快速響應(yīng)的標(biāo)準(zhǔn)工作組，該工作組應(yīng)包括來自政府、企業(yè)、科研機構(gòu)以及用戶群體等多方面的代表。可以在制定標(biāo)準(zhǔn)時采用模塊化和靈活的標(biāo)準(zhǔn)框架，以便于及時更新和適應(yīng)新技術(shù)的發(fā)展，確保標(biāo)準(zhǔn)既能跟上創(chuàng)新步伐又能滿足市場需求。

3.2 拓寬標(biāo)準(zhǔn)覆蓋廣度

為了應(yīng)對智能語音領(lǐng)域標(biāo)準(zhǔn)覆蓋范圍有限的問題，可以加強行業(yè)內(nèi)以及跨行業(yè)合作[10]，建立統(tǒng)一的智能語音技術(shù)標(biāo)準(zhǔn)框架，確保技術(shù)兼容與數(shù)據(jù)互通；加快新興技術(shù)和應(yīng)用場景的標(biāo)準(zhǔn)制定速度，緊跟技術(shù)發(fā)展步伐；在標(biāo)準(zhǔn)研究制定時對不同語言地區(qū)不同使用場景等因素進行全維度考量，吸納語言學(xué)等領(lǐng)域的專業(yè)知識，提升標(biāo)準(zhǔn)的適用性和實用性，逐步完善智能語音技術(shù)標(biāo)準(zhǔn)體系，促進行業(yè)規(guī)范發(fā)展。

3.3 促進標(biāo)準(zhǔn)化工作協(xié)同

為解決智能語音領(lǐng)域標(biāo)準(zhǔn)化工作中缺乏協(xié)同合作的問題，應(yīng)構(gòu)建多方參與的協(xié)作平臺，鼓勵企業(yè)、研究機構(gòu)及政府之間建立常態(tài)化的溝通機制，通過成立聯(lián)合工作組或行業(yè)協(xié)會來協(xié)調(diào)各方利益，共同制定和推廣統(tǒng)一的技術(shù)標(biāo)準(zhǔn)與數(shù)據(jù)格式；同時，推動標(biāo)準(zhǔn)共享項目的發(fā)展，共享標(biāo)準(zhǔn)中的關(guān)鍵技術(shù)指標(biāo)和測試方法等，加速創(chuàng)新成果的應(yīng)用轉(zhuǎn)化。此外，定期舉辦會議和技術(shù)論壇，加強同行間的交流與合作，以形成合力推進智能語音技術(shù)領(lǐng)域的標(biāo)準(zhǔn)化進程。

4 結(jié) 語

從本文可以看出，在制定相關(guān)智能語音交互技術(shù)標(biāo)準(zhǔn)的過程中，應(yīng)結(jié)合最新研究成果和實踐經(jīng)驗，選取科學(xué)、合理、可行的技術(shù)要素，提高標(biāo)準(zhǔn)制定時效性，拓寬標(biāo)準(zhǔn)覆蓋廣度，促進標(biāo)準(zhǔn)化工作協(xié)同，引導(dǎo)和推動智能語音應(yīng)用行業(yè)的健康發(fā)展。

參考文獻

[1]張筱蘭，王保論.智能語音技術(shù)在教學(xué)中的應(yīng)用研究[J].現(xiàn)代教育技術(shù)，2011，21（11）：91-94+90.

[2]唐永軍.基于深度學(xué)習(xí)的智能語音助手研究[J].現(xiàn)代信息科技，2021，5（12）：75-79.

[3]許為.九論以用戶為中心的設(shè)計：智能時代的“用戶體驗3.0”范式[J].應(yīng)用心理學(xué)，2024，30（02）：99-117.

[4]胡郁，嚴(yán)峻.智能語音交互技術(shù)及其標(biāo)準(zhǔn)化[J].信息技術(shù)與標(biāo)準(zhǔn)化，2015（04）：14-17.

[5]雷靜，王佳勝.基于關(guān)鍵要素的人工智能標(biāo)準(zhǔn)化研究[J].標(biāo)準(zhǔn)科學(xué)，2018（11）：68-72.

[6]朱肖曼，申志偉，時文豐，等.我國人工智能關(guān)鍵領(lǐng)域技術(shù)標(biāo)準(zhǔn)化研究[J].網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2023，42（09）：65-71.

[7]陳鑫源.智能語音交互技術(shù)及其標(biāo)準(zhǔn)化[J].電聲技術(shù)，2018，42（05）：78-80.

[8]張宣，楊易臻.智能語音技術(shù)，為“聲音”帶來更多可能[N].新華日報，2023-11-15（011）.

[9]鄭曄，歐智堅，楊艇.閩南語智能交互引擎開發(fā)和應(yīng)用研究[J].廣播與電視技術(shù)，2022，49（11）：124-127.

[10]許小春.關(guān)于智能語音識別技術(shù)的應(yīng)用與發(fā)展研究[J].科技風(fēng)，2022（25）：1-3.