T-UNP 260-2024 对话流开发平台系统技术规范

对话流开发平台系统技术规范2024-11-14发布2024-11-14实施I II 1 13术语和定义 14缩略语 25功能要求 25.1功能架构 25.2咨询列表 25.3客服服务 25.4访客管理 35.5辅助工具 36性能要求 46.1基本要求 46.2语音信号采集 46.3关键词语音识别 46.4连续语音识别 46.5性别识别 46.6年龄识别 5 5 5 5 56.11响应时间 67数据要求 67.1音频数据 6 67.3历史对话数据 68接口要求 69安全要求 710评价改进 7 8本文件UNSPSC代码为“43.23.27”,由3段组成。其中：第1段“43”为大类，和电信”,第2段为中类，“23”表示“软件”,第3段为小类，“27”表示“网络应用软件”。1本文件规定了对话流开发平台系统的功能要求、性能要求、数据要求、接口要求、安全要求及评价本文件适用于对话流开发平台系统的设计与应用。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GB/T11460信息技术汉字字型要求和检测方法GB18030信息技术中文编码字符集GB/T21023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中文语音合成互联网服务接口规范GB/T36464.1信息技术智能语音交互系统第1部分：通用规范3术语和定义下列术语和定义适用于本文件。将人类的声音信号转化为文字或者指令的过程。[来源：GB/T21023—20通过机械的、电子的方法合成人类语言的过程。[来源：GB/T21024—20交互过程中使用的具有一定逻辑的对话文本内容。针对连续语音流中的特定关键字进行识别和检出的过程。识别任意的连续语音，并给出相对应的文本。[来源：GB/T34083—20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。2下列缩略语适用于本文件。IP:网际互连协议(InternetProtocol)SIEM:安全信息和事件管理(SecurityInformationandEventManagemIDS:入侵检测系统(IntrusionDetectionSystems)IPS:入侵防御系统(IntrusionPreJSON:轻量级数据交换格式(JavaScriptObjectNotation)用户通过“在线客服”,可直接接入到在线客服系统，与客服人员进行实时文本或语音交流，寻求咨询服务帮助。3提供访客管理界面功能，用户(客服人员)可在界面中选择并查看当前系统中的访客信息，界面要b)对于每种状态的访客，界面应提供详细的访客信息，包括但不限于：3)访问时间；4)对话内容摘要。d)界面支持访客信息的排序功能，客服人员可根据需要选择按访问时间、访客ID等字段进行排b)客服人员可查看和管理已设置的阻止规则，包括新增、修改、删除等操作；系统支持对对话的评估和分类，了解和分析对话的客户目的和意向理员)可自定义设置对话主题，并保存设置的主题信息。b)截图范围：根据实际需要选择截图范围，应包含所有关键信息；c)标注与说明：必要时，可在截图上添加标注或文字说明，突出d)隐私保护：在截取屏幕内容时，不应泄露用户或其他相关方的敏感信息；f)截图质量：应保持截图质量，不应压4d)能设置语音片段时间、静音等待时间和调整VAD灵敏度；a)采样率应为16Mz,采样位深应为16bit;b)人声和环境噪音的信噪比应不低于1c)人声应是汉语通用语发声，且符合GB/T21023的规定；d)支持对3岁～80岁年龄段人群语音信号的采集。6.3关键词语音识别a)在低噪声环境(信噪比10dB以上)下，语音识别句识别正确率应大于等于84%,语音识别字识别正确率应大于等于95%;b)在高噪声环境(信噪比10dB及以下)下，语音识别句识别正确率应大于等于75%,语音识别字识别正确率应大于等于88%。a)在低噪声环境(信噪比10dB以上)中，连续语音识别的字正确率宜在85%以上；b)在高噪声环境(信噪比10dB及以下)中，连续语音识别的字正确率宜在80%以上。b)宜采用人工判别的方法进行测试，经过不同知识背景、不同年龄的多人、多轮次测试，识别准确率宜在65%以上，其计算方法见式(1)。6.5性别识别b)性别识别采用人工判别的方法进行测试，经过不同知识性别判断准确率宜在65%以上，其计算方法见式(2)。5Y——性别判断准确率；b)年龄识别采用人工判别的方法进行测试，经过不同知识背景、不同年龄的多人、多轮次测试，年龄区间判断准确率宜在65%以上，其计算方法见式(3)。5)时序关系理解；d)语义理解能力经过不同知识背景、不同年龄的多人、多轮次测试，客观测试准确率达到95%b)在进行目标场景的交互时，系统对目标场景用户语句意图理解的精确率大于等于90%,召回率大于等于90%;c)为保障用户端到端交互体验，系统对目标场景用户语句意图理解及关键信息提取的精确率和召回率均大于等于90%;d)在低噪声环境下非人机交互响应率小于等于6%,高噪声环境下小于等于10%。c)系统的语音交互成功率大于等于80%。6a)系统能实时保存交互记录，并判断异常原因，尝试重连。当重新联系上用户，能接续出现异b)在交互过程中，若用户中断提问或回复，系统能检测出会话时长异常，对用户进行提醒或询问(如“您还在吗?”“您的问题得到解决了吗?”);c)在交互过程中，若关闭网络连接，系统能检测出会话网络异常、时长异常，并尝试重新连接a)系统平均响应时间宜在2s以内；b)通过多轮语音交互获得结果，每一轮次的语音交互平均响应时间在2s以内。a)语音识别的输入音频数据格式应符合GB/T34083的规定；b)语音合成的输出音频数据格式应符合GB/T34145的规定。b)中文编码字符应符合GB18030的要求，并依据GB/T11460的规定进行检测；c)中文语音合成数据交换格式应符合GB/T21024的规定。b)系统在记录和处理历史对话数据时，应进行严格的校验和审核，不包含错误或误导性的信c)在收集、处理和使用历史对话数据时，应进行加密和脱敏处理，不应泄露用户的个人信息或d)历史对话数据应采用特定的数据结构或格式来存储历史对话数据，包括但不限于：a)中文语音识别的互联网接口应符合GB/T34083的规定；b)中文语音合成的互联网接口应符合GB/T34145的规定；c)接口应实施有效的身份认证和权限管理机制e)系统应开放多种接口，供用户在生产、部署和经营过程中根据具体业务场景对系统进行二次f)接口应具备负载均衡和容错能力。7b)全面收集信息系统运行日志，并进行归一化预处理；1)攻击线索查找分析：在系统受到攻击后，通过日志分析找到攻击源和攻击路径，清除木3)历史分析：对攻击日志进行历史分析，发现攻击趋势，进行早期防御。b)应定期对访问权限进行检查，对特殊访问权限的授权情况应定期进行检查，如发现不恰当的a)检查是否采用稳定可靠的成熟技术，能否保证系统长d)检查是否对网络的设计、选型、安装调试等各环节进e)检查系统是否具有提供多层次f)检查能否确保数据的安全性、完整性并同时具有可靠j)