ISOIEC 78182025 信息技术 用户界面 个人移动服务的语音用户界面框架标准立项发展报告

信息技术用户界面个人移动服务的语音用户界面框架标准立项发展报告StandardizationDevelopmentReport:Informationtechnology-Userinterfaces-Frameworkofvoiceuserinterfacesforpersonalmobilityservices摘要随着人工智能、自然语言处理与移动通信技术的深度融合，语音用户界面（VoiceUserInterface,VUI）已成为个人移动服务中人机交互的核心范式。从智能语音助手到车载导航系统，从健康监测设备到无障碍辅助工具，语音交互正在重塑用户与移动服务之间的信息传递方式。然而，技术的高速演进也催生了接口协议不统一、交互流程碎片化、跨平台兼容性不足以及无障碍支持缺乏强制性规范等系列问题。在此背景下，国际电工委员会（IEC）正式发布ISO/IEC7818:2025《信息技术用户界面个人移动服务的语音用户界面框架》，旨在为全球个人移动服务领域建立统一的语音用户界面设计、开发与评估框架。本报告系统梳理了该标准的立项背景、研制过程、核心技术内容及其产业应用价值，分析了标准对推动智能终端产业升级、优化适老化与无障碍服务、促进国际标准互认等方面的重要意义，并对该框架在人工智能大模型时代的发展前景进行了展望。报告认为，ISO/IEC7818:2025的发布标志着个人移动服务语音交互从分散探索走向规范发展，为构建高效、包容、安全的移动服务生态提供了权威技术指引，对于我国智慧城市建设和数字包容战略的实施亦具有重要参考价值。关键词：语音用户界面；个人移动服务；国际标准；人机交互；ISO/IEC7818；无障碍设计；智能终端Keywords:VoiceUserInterface;PersonalMobilityServices;InternationalStandard;Human-ComputerInteraction;ISO/IEC7818;AccessibilityDesign;SmartTerminals一、引言1.1研究背景移动互联网的普及与人工智能技术的突破，正深刻改变着人类获取信息和服务的方式。据统计，截至2025年，全球智能手机用户已超过70亿，智能语音助手月活跃用户突破40亿。语音作为最自然、最高效的人机交互方式之一，正在从“辅助输入手段”演变为“核心交互入口”。在个人移动服务领域——包括智能出行导航、移动健康管理、移动支付、无障碍辅助、智能家居远程控制等场景——语音用户界面已从可选功能发展为必备能力。然而，行业的快速膨胀也带来了严峻的标准化挑战。不同厂商的语音交互框架在唤醒词机制、对话管理逻辑、语义理解接口、隐私保护策略等方面存在显著差异，导致开发者和用户面临严重的兼容性问题。具体表现为：同一服务在不同设备上的语音交互体验割裂、多模态交互中语音通道与视觉通道的协同缺乏统一规范、面向老年人和残障人士的无障碍语音交互缺乏明确的实现要求、语音数据的采集与处理在隐私安全方面缺少标准约束等。这些问题的存在，不仅推高了开发成本，更制约了个人移动服务生态的健康可持续发展。1.2标准化需求分析在上述背景下，产业界对语音用户界面标准化工作提出了迫切需求。2019年至2022年间，国际标准化组织（ISO）与国际电工委员会（IEC）下属联合技术委员会ISO/IECJTC1多次收到来自中国、日本、韩国、德国、美国等国国家委员会的提案，建议在用户界面领域启动语音交互框架的国际化标准制定工作。经广泛征求意见和充分论证，ISO/IECJTC1于2023年正式批准立项，编号为ISO/IEC7818，由WG4（用户界面工作组）负责研制。该标准的制定旨在构建一个与技术实现无关、面向个人移动服务领域的语音用户界面顶层框架，涵盖参考模型、交互流程、功能组件、质量要求、无障碍适配及安全隐私等方面，为后续细分标准的制定奠定基础。1.3标准基本信息-标准编号：ISO/IEC7818:2025-标准全称：信息技术用户界面个人移动服务的语音用户界面框架-英文名称：Informationtechnology-Userinterfaces-Frameworkofvoiceuserinterfacesforpersonalmobilityservices-标准状态：现行-发布机构：国际电工委员会（IEC）-发布日期：2025年9月25日-标准性质：国际标准-技术归口：ISO/IECJTC1（信息技术联合技术委员会）-标准版本：第一版二、标准研制背景与产业需求2.1语音交互技术发展现状与趋势语音用户界面技术的发展经历了三个阶段：第一阶段的“命令式交互”（2010年前后）以有限的指令集为核心，用户需记忆特定命令词；第二阶段的“对话式交互”（2015—2022年）借助深度学习技术实现了自然语言理解与多轮对话管理，以智能音箱和手机语音助手为代表；当前，行业正进入第三阶段的“主动式交互”（2023年至今），以大语言模型（LLM）为核心引擎的语音助手具备上下文推理、个性化服务与主动建议能力，语音交互正在向“拟人化”和“场景化”方向深度演进。与此同时，端侧AI算力的增强使得离线语音识别和本地语义理解成为可能，进一步拓展了语音用户界面的应用边界。在个人移动服务领域，语音交互已经从单一的手机场景扩展到智能手表、车载系统、可穿戴医疗设备、智能家居网关等多种终端形态，形成了多设备协同的复杂交互矩阵。这一趋势要求语音用户界面的标准化框架必须具备以下能力：支持跨设备交互迁移与无缝衔接、支持多模态融合（语音+触控+视觉+手势）、支持个性化自适应、满足不同场景的安全要求等。2.2个人移动服务领域的标准化缺口尽管ISO/IEC30122系列标准（语音命令用户界面）和ISO9241系列标准（人机交互工效学）已在语音交互的某些层面提供了指导，但在面向个人移动服务的系统性语音用户界面框架层面，国际标准层面仍存在明显的空白。具体体现在以下四个维度：第一，缺乏统一的参考架构。现有的标准多聚焦于单一的技术环节（如语音识别性能评估、语音合成质量评价等），缺少一个覆盖交互全链路的参考架构，使得系统设计者在进行整体架构设计时缺乏标准依据。第二，跨场景适应性规范不足。个人移动服务涵盖驾驶、行走、医疗、支付等多种场景，不同场景对语音交互的实时性、容错率、安全级别和隐私要求差异显著，需要分层分类的规范指导。第三，无障碍设计要求分散。虽然ISO/IEC40500（W3CWCAG2.0的采纳）和ETSIEN301549等标准对信息通信产品的无障碍提出了要求，但针对语音交互的无障碍专项设计规范仍不系统，尤其缺乏对言语障碍、听力障碍和认知障碍人群的语音交互支持规范。第四，新兴技术融合标准缺位。大语言模型驱动的生成式语音交互在对话管理、意图识别、情感计算等方面展现出了全新的技术特征，既有标准尚未覆盖这些新型交互范式。2.3国际标准化工作进展与我国的参与情况ISO/IEC7818的制定历时约两年。在标准研制过程中，共有来自17个国家的专家参与了草案的编写与评审工作，中国代表团在标准框架设计、无障碍需求纳入和移动出行典型场景定义等方面发挥了重要作用。中国的参与不仅体现了我国在语音交互技术领域的产业实力，也为标准更好地适应发展中国家和多元文化环境提供了保障。三、标准主要内容与技术框架ISO/IEC7818:2025以系统性、场景适配性和包容性为核心设计原则，构建了一个覆盖个人移动服务语音用户界面全生命周期的标准化框架。标准正文包含以下核心技术内容。3.1术语定义与参考模型标准在第3章和第4章中系统定义了30余个关键术语，包括“语音用户界面”（VoiceUserInterface）、“个人移动服务”（PersonalMobilityServices）、“对话管理”（DialogueManagement）、“多模态交互”（MultimodalInteraction）、“唤醒词”（Wake-upWord）、“语音生物特征”（VoiceBiometrics）等，为全球范围内的技术交流和标准实施提供了统一的语义基础。在此基础上，标准提出了个人移动服务语音用户界面的五层参考模型，自上而下依次为：1.交互服务层：面向用户提供对话管理、意图理解、服务编排和个性化推荐等功能，是语音交互的“大脑”；2.语音处理层：涵盖自动语音识别（ASR）、文本转语音（TTS）、说话人识别和情感识别等核心语音处理能力；3.设备抽象层：对麦克风阵列、音频编解码、前后端分离架构等进行抽象封装，实现语音能力与硬件设备的解耦；4.通信与数据层：规范语音数据的传输协议、数据格式、压缩编码和安全通道，保障语音流的可靠传输；5.安全与隐私层：贯穿以上各层，覆盖语音数据采集授权、匿名化处理、本地化存储、加密传输与安全删除等全链路安全要求。该参考模型具备技术中立性和前瞻性，不绑定具体的实现技术或厂商方案，既适用于传统的管道式语音处理架构，也兼容以大语言模型为核心的生成式对话架构。3.2语音交互流程规范标准将个人移动服务中的语音交互划分为四个阶段，针对每个阶段提出了功能要求和性能指标：交互启动阶段：包括物理唤醒（按键触发）、语音唤醒（唤醒词检测）和主动唤醒（系统根据场景主动发起交互）三种模式。标准对唤醒词的灵敏度、误唤醒率、响应延迟提出了分级的性能指标建议，例如在噪声环境（SNR≤10dB）下，唤醒词检测准确率应不低于95%。此外，标准特别指出语音唤醒功能必须提供清晰的视觉或触觉反馈，以防用户误以为系统已处于监听状态而产生隐私顾虑。意图理解阶段：规定了语音识别、语义解析、上下文管理等环节的功能要求。标准提出了“关键指令本地优先处理”原则，即对于涉及个人隐私或安全的指令（如移动支付、健康数据查询），应优先在本地完成语义理解，减少语音数据传输至云端的必要性，以降低隐私泄露的风险。服务执行阶段：明确了语音交互引擎与应用服务之间的接口规范，包括服务发现、请求路由、结果反馈和异常处理等机制。标准尤其强调在服务执行过程中对用户中断（Barge-in）和更正请求的实时响应能力。反馈呈现阶段：覆盖语音播报、屏幕文字显示、图形界面联动和触觉反馈等多种输出通道的协同规范。标准要求当存在视觉通道时，语音输出应与屏幕内容保持语义一致性和时间同步性，并遵循“关键信息冗余呈现”原则，例如在播报导航转弯指令时须同时在屏幕上显示对应图标，这一要求在驾驶场景下通常被延伸为“语音先行、视觉辅助”的双通道呈现策略。3.3关键功能组件要求语音识别引擎：标准提出了识别准确率、实时率（RTF）、首尾端点检测、多语言支持和噪声鲁棒性等要求。特别是对嘈杂环境（如道路、商场、地铁等移动场景）下的识别性能给出了明确的分级指标，并推荐采用多麦克风阵列和深度噪声抑制技术以提升在移动场景下的识别性能。语音合成引擎：规定了合成语音的自然度、可懂度、情感表达和语速调节能力。对于导航提示、健康提醒等服务场景，标准建议提供不少于三档语速调节范围，确保不同年龄用户群体均能获得良好的收听体验。对话管理引擎：标准提出了基于槽位填充的任务型对话管理和基于大语言模型的开放式对话管理两种模式的功能要求，并定义了对话状态的跟踪、恢复和移交机制，支持在多设备间实现对话上下文的平滑迁移。3.4交互质量与性能指标标准从功能性、响应性、易用性和情感体验四个维度构建了语音用户界面的质量模型。在响应性方面，标准对不同交互场景给出了端到端延迟的分级要求：本地指令识别应不超过100ms的P95延迟，云端复杂语义理解在普通网络条件下应不超过800ms，紧急安全类指令（如“紧急呼叫”）应不超过200ms。在易用性方面，标准引入了任务完成率、用户纠错次数、平均对话轮数等可量化指标。标准的附录中给出了标准化的测试方法，包括模拟噪声环境下的识别测试、多方言场景的鲁棒性评测和真实用户可用性测试方案。3.5无障碍与适老化设计规范作为本标准的核心亮点之一，无障碍章节系统性地规范了面向老年人、残障人士等群体的语音用户界面设计要求。主要包括：-可感知性：语音播报应支持语速调节（0.7倍至1.5倍）、音量独立控制和声音替代方案（如字幕）；对于听力障碍用户，所有语音信息应同时提供可视化文字呈现，标准要求此类视觉替代信息不能缺失或延迟超过语音输出2秒以上。-可操作性：为肢体障碍用户提供充足的唤醒替代方式（如眼动控制、头部姿态检测），语音交互的超时设置应可自定义，避免因响应过慢导致的交互中断。-可理解性：面向认知障碍用户，语音提示应使用简洁、明确的表达方式，避免使用隐喻或歧义表达；对于关键操作（如支付确认、个人信息授权），应提供二次确认机制。-兼容性：标准要求语音用户界面应兼容主流辅助技术（如屏幕阅读器、盲文显示器），确保与助听设备（包括T线圈和蓝牙助听器）的音频兼容性。3.6安全与隐私保护规范语音数据的敏感性使得安全与隐私保护成为标准不可或缺的组成部分。标准在安全方面提出了以下核心要求：-知情同意：在采集用户语音数据前，应以语音+文字双重形式明示告知数据用途、存储期限和共享范围，并获得用户的明确同意。-数据最小化：仅采集当前交互所需的必要语音数据，禁止以改善服务质量为由过度采集。-本地化处理：鼓励在设备端完成语音识别和语义理解，减少原始语音数据的云端传输；对于确需上云的场景，应优先传输脱敏后的文本特征而非原始音频。-加密与访问控制：语音数据的存储和传输应使用符合ISO/IEC27001要求的加密方案，访问控制应采用基于角色的权限管理模型。-用户控制权：用户应能够随时查看、导出和删除自己的语音交互记录，系统应提供便捷的语音命令入口（如“删除我今天的语音记录”）以完成上述操作。-未成年人保护：当系统识别到使用者可能为未成年人时，应自动限制数据收集范围并关闭个性化广告推送功能。四、主要起草单位与技术支持力量4.1核心研制单位——国际电工委员会（IEC）作为本标准的发布机构，国际电工委员会（InternationalElectrotechnicalCommission,IEC）成立于1906年，总部位于瑞士日内瓦，是世界上成立最早的国际性电工标准化机构，负责电工技术和电子工程领域的国际标准化工作。IEC与ISO（国际标准化组织）保持着密切合作，两者共同运营ISO/IECJTC1联合技术委员会，负责信息技术领域的国际标准制定。在ISO/IEC7818:2025的研制过程中，IEC依托其完善的标准化治理体系，协调了来自17个国家的近百名专家参与标准草案的编制、评审与投票工作。IEC的标准化流程包括NP（新工作项目提案）、WD（工作组草案）、CD（委员会草案）、DIS（国际标准草案）、FDIS（最终国际标准草案）和IS（国际标准发布）六个阶段，保证了标准制定的公开性、公正性和技术严谨性。本标准的最终草案投票获得了高比例的赞成票，体现了国际社会对该标准技术内容的广泛认可。4.2重要技术支持力量——WG4用户界面工作组本标准的具体技术研制工作由ISO/IECJTC1下属的WG4用户界面工作组承担。该工作组集聚了来自全球的人机交互、语音技术、无障碍设计、认知心理学等领域的专家学者，多年来已发布多项有影响力的用户界面国际标准。在ISO/IEC7818的研制过程中，WG4工作组组织了多轮线下会议和线上研讨，围绕参考模型架构、无障碍要求、性能指标体系等核心议题进行了深入论证。中国作为WG4工作组的活跃成员，派出了来自中国电子技术标准化研究院、中国信息通信研究院、科大讯飞股份有限公司、华为技术有限公司等单位的专家深度参与标准研制。其中，中国电子技术标准化研究院作为我国信息技术标准化领域的国家级核心研究机构，牵头组织了中国专家团队的技术贡献工作，在移动出行、语音交互、无障碍设计等方面提出了多项具有中国特色的提案。科大讯飞作为全球领先的智能语音技术提供商，其专家团队在语音识别性能指标体系、多语种支持框架等方面贡献了丰富的工程实践经验。中国团队在移动出行场景定义、汉语语音交互特性适配、以及适老化设计等领域的提