ICS03.060A11團(tuán)Bankingconvenienceservice—Intelligentdialectservice—TecrequirementT/CQJR006—2023前言 II III 12規(guī)范性引用文件 13術(shù)語(yǔ)、定義和縮略語(yǔ) 14方言智能服務(wù)系統(tǒng)通用功能框架 25語(yǔ)音交互界面要求 25.1語(yǔ)音采集 25.2語(yǔ)音播報(bào) 35.3輸入輸出 35.4環(huán)境噪聲適應(yīng)能力 35.5語(yǔ)種適應(yīng)能力 36數(shù)據(jù)資源要求 36.1音頻數(shù)據(jù) 36.2文本數(shù)據(jù) 37前端處理要求 37.1語(yǔ)音喚醒 47.2聲源定位 47.3聲紋識(shí)別 47.4語(yǔ)音增強(qiáng) 47.5格式轉(zhuǎn)換 57.6重采樣 58語(yǔ)音處理要求 58.1語(yǔ)音處理概述 58.2語(yǔ)音模塊 58.3語(yǔ)義模塊 68.4知識(shí)庫(kù)模塊 79服務(wù)渠道 79.1服務(wù)渠道概述 79.2服務(wù)渠道功能概述 79.3電話銀行 79.4手機(jī)銀行 79.5網(wǎng)點(diǎn)智能機(jī)具 89.6普惠金融服務(wù)點(diǎn)及離行式便民金融服務(wù)終端 8參考文獻(xiàn) 9T/CQJR006—2023本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定起草。請(qǐng)注意本文件的某些內(nèi)容可能涉及專(zhuān)利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識(shí)別這些專(zhuān)利的責(zé)任。本文件由重慶農(nóng)村商業(yè)銀行股份有限公司提出。本文件由重慶市金融學(xué)會(huì)歸口。本文件起草單位：重慶農(nóng)村商業(yè)銀行股份有限公司、浙江網(wǎng)商銀行股份有限公司、重慶富民銀行股份有限公司、馬上消費(fèi)金融股份有限公司。本文件主要起草人：周期律、田成志、鄭力、王超、游佳川、陸碧波、晏?hào)|、王衛(wèi)、楊瑩瑩、高硯、劉志強(qiáng)。T/CQJR006—2023“十四五”規(guī)劃綱要提出要“優(yōu)先發(fā)展農(nóng)業(yè)農(nóng)村，全面推進(jìn)鄉(xiāng)村振興”，大量農(nóng)村、老年人群不會(huì)上網(wǎng)、不會(huì)使用智能手機(jī)，在出行、就醫(yī)、消費(fèi)等日常生活中遇到不便，無(wú)法充分享受智能化服務(wù)帶來(lái)的便利，“數(shù)字鴻溝”問(wèn)題日益凸顯，中國(guó)人民銀行《金融科技發(fā)展規(guī)劃（2022-2025年）》明確“公平普惠”的基本原則，提出合理運(yùn)用金融科技手段“彌合地域間、群體間、機(jī)構(gòu)間的數(shù)字化鴻溝，讓金融科技發(fā)展成果更廣泛、更深入、更公平地惠及廣大人民群眾”，2022年《中國(guó)銀保監(jiān)會(huì)辦公廳關(guān)于銀行業(yè)保險(xiǎn)業(yè)數(shù)字化轉(zhuǎn)型的指導(dǎo)意見(jiàn)》提出“推進(jìn)個(gè)人金融服務(wù)數(shù)字化轉(zhuǎn)型”“加強(qiáng)大字版、語(yǔ)音版、民族語(yǔ)言版、簡(jiǎn)潔版等應(yīng)用軟件功能建設(shè)”。通過(guò)自然語(yǔ)言交互為社會(huì)各群體，尤其是農(nóng)村地區(qū)和中老年客群，提供無(wú)障礙金融服務(wù)，是打通普惠金融最后一公里，助力鄉(xiāng)村振興戰(zhàn)略的有效途徑。全國(guó)各地方言種類(lèi)眾多，通常分為十大方言：官話方言、晉方言、吳方言、閩方言、客家方言、粵方言、湘方言、贛方言、徽方言、平話土話。各方言區(qū)內(nèi)又分布著若干次方言和許多種“土語(yǔ)”。其中使用人數(shù)最多的官話方言可分為東北官話、北京官話、冀魯官話、膠遼官話、中原官話、蘭銀官話、江淮官話、西南官話八種次方言。在復(fù)雜的方言區(qū)內(nèi)，次方言可再分為“方言小片”，明確到某市、某縣、某鎮(zhèn)、某村。在方言使用率高的地區(qū)供給數(shù)字普惠金融服務(wù)，需要解決方言識(shí)別問(wèn)題，針對(duì)地方方言進(jìn)行適配，提供特色化方言智能語(yǔ)音服務(wù)。本文件在考慮上述情況的基礎(chǔ)上，給出了銀行業(yè)金融機(jī)構(gòu)方言智能服務(wù)技術(shù)要求。1T/CQJR006—2023銀行業(yè)便民服務(wù)方言智能服務(wù)技術(shù)要求本文件規(guī)定了銀行方言智能服務(wù)要求，包括語(yǔ)音交互界面、前端處理、語(yǔ)音處理、服務(wù)接口、銀行服務(wù)渠道、數(shù)據(jù)資源等內(nèi)容。本文件適用于銀行方言智能服務(wù)相關(guān)工作，包括但不限于產(chǎn)品設(shè)計(jì)、軟件研發(fā)、測(cè)試和運(yùn)行維護(hù)、業(yè)務(wù)管理、系統(tǒng)管理、客戶服務(wù)等。2規(guī)范性引用文件下列文件中的內(nèi)容通過(guò)文中的規(guī)范性引用而構(gòu)成本文件必不可少的條款。其中，注日期的引用文件，僅該日期對(duì)應(yīng)的版本適用于本文件；不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。GB/T11460信息技術(shù)漢字字型要求和檢測(cè)方法GB18030信息技術(shù)中文編碼字符集GB/T21024—2007中文語(yǔ)音合成系統(tǒng)通用技術(shù)規(guī)范GB/T34083—2007中文語(yǔ)音識(shí)別互聯(lián)網(wǎng)服務(wù)接口規(guī)范GB/T34145—2007中文語(yǔ)音合成互聯(lián)網(wǎng)服務(wù)接口規(guī)范SJ/T11380—2008自動(dòng)聲紋識(shí)別（說(shuō)話人識(shí)別）技術(shù)規(guī)范ISO21586金融服務(wù)參考數(shù)據(jù)銀行產(chǎn)品服務(wù)（BPoS）描述規(guī)范（Referencedataforfinancialservices—Specificationforthedescriptionofbankingproductsorservices(BPoS)）3術(shù)語(yǔ)、定義和縮略語(yǔ)下列術(shù)語(yǔ)和定義適用于本文件。3.1方言智能服務(wù)intelligentdialectservice基于人工智能方言識(shí)別技術(shù)，在線上線下各服務(wù)渠道（3.4），向客戶（3.3）提供銀行產(chǎn)品服務(wù)（3.2）。3.2銀行產(chǎn)品服務(wù)bankingproductorserviceBPoS供應(yīng)商為滿足客戶的金融需求或與金融相關(guān)的需求而向客戶(3.3)提供的輸出。[來(lái)源：ISO21586:2020,3.3]3.3客戶customer期望獲得，或已經(jīng)獲得某BPoS(3.2)（即銀行產(chǎn)品或銀行服務(wù)）的個(gè)人或組織。[來(lái)源：ISO21586:2020,3.5]2T/CQJR006—20233.4服務(wù)渠道servicechannel提供方言智能服務(wù)（3.1）的電子銀行渠道，包括電話銀行、手機(jī)銀行、自助機(jī)具等。4方言智能服務(wù)系統(tǒng)通用功能框架方言智能服務(wù)系統(tǒng)（以下簡(jiǎn)稱系統(tǒng)）包括語(yǔ)音交互界面、前端處理、語(yǔ)音處理、服務(wù)接口、銀行服務(wù)渠道、銀行金融業(yè)務(wù)處理、數(shù)據(jù)資源等功能單元，系統(tǒng)宜在金融機(jī)構(gòu)本地部署，其中：a)語(yǔ)音交互界面提供系統(tǒng)與人直接進(jìn)行語(yǔ)音交互的人機(jī)界面，包括語(yǔ)音信號(hào)輸入、輸出以及由前端處理、語(yǔ)音處理支撐的語(yǔ)音能力；b)數(shù)據(jù)資源包括系統(tǒng)處理的音頻數(shù)據(jù)和文本數(shù)據(jù)；c)前端處理提供語(yǔ)音喚醒、聲源定位、聲紋識(shí)別、語(yǔ)音增強(qiáng)、格式轉(zhuǎn)換、重采樣等功能；d)語(yǔ)音處理提供語(yǔ)音模塊、語(yǔ)義模塊、知識(shí)庫(kù)模塊對(duì)語(yǔ)音的單獨(dú)處理及聯(lián)動(dòng)調(diào)優(yōu)；e)服務(wù)接口提供外部設(shè)備/設(shè)施調(diào)用系統(tǒng)語(yǔ)音服務(wù)的接口；f)銀行金融業(yè)務(wù)處理對(duì)語(yǔ)音處理結(jié)果轉(zhuǎn)換為對(duì)應(yīng)的應(yīng)用指令并反饋業(yè)務(wù)響應(yīng)結(jié)果；g)銀行服務(wù)渠道包括電話銀行、手機(jī)銀行、網(wǎng)點(diǎn)智能機(jī)具、便民金融服務(wù)終端等電子服務(wù)渠道。圖1方言智能服務(wù)系統(tǒng)通用功能框架5語(yǔ)音交互界面要求5.1語(yǔ)音采集系統(tǒng)應(yīng)通過(guò)傳聲器或者麥克風(fēng)陣列等具備語(yǔ)音采集能力的拾音設(shè)備對(duì)語(yǔ)音進(jìn)行采集；宜根據(jù)不同的拾音距離，提供近場(chǎng)拾音和/或遠(yuǎn)場(chǎng)拾音中的一種。并滿足如下要求：3T/CQJR006—2023——通過(guò)手機(jī)銀行APP、直銷(xiāo)銀行APP等移動(dòng)金融客戶端應(yīng)用服務(wù)渠道采集語(yǔ)音應(yīng)征得客戶同意，并且僅在提供服務(wù)時(shí)進(jìn)行語(yǔ)音采集；——通過(guò)網(wǎng)點(diǎn)智能柜員機(jī)、離行式便民金融服務(wù)終端等智能機(jī)具服務(wù)渠道采集語(yǔ)音，系統(tǒng)可盡量復(fù)用現(xiàn)有機(jī)具和拾音設(shè)備，在現(xiàn)有設(shè)備不能滿足服務(wù)需求時(shí)，應(yīng)新增拾音設(shè)備。5.2語(yǔ)音播報(bào)系統(tǒng)應(yīng)通過(guò)音頻播放設(shè)備對(duì)語(yǔ)音進(jìn)行播報(bào)，滿足以下要求——語(yǔ)音播報(bào)宜同步提供播報(bào)文本顯示，供客戶核對(duì)業(yè)務(wù)辦理信息；——應(yīng)支持播放語(yǔ)音所需的性能要求，如音頻格式、帶寬等；——支持語(yǔ)音播放調(diào)節(jié)功能，能夠?qū)φZ(yǔ)音播放速度、音量等進(jìn)行調(diào)節(jié)。5.3輸入輸出系統(tǒng)應(yīng)支持中文普通話及地方方言輸入輸出。5.4環(huán)境噪聲適應(yīng)能力系統(tǒng)應(yīng)在銀行營(yíng)業(yè)網(wǎng)點(diǎn)、離行式便民金融服務(wù)終端等服務(wù)渠道正常環(huán)境噪音下能進(jìn)行語(yǔ)音交互，確保人機(jī)交互可用。5.5語(yǔ)種適應(yīng)能力系統(tǒng)可由低到高提供以下幾個(gè)等級(jí)普通話/方言適應(yīng)能力，宜支持c）中適應(yīng)能力。a)在發(fā)起語(yǔ)音交互時(shí)，由客戶選擇接受方言或普通話服務(wù)；b)系統(tǒng)自動(dòng)判斷客戶使用方言/普通話，提供相應(yīng)語(yǔ)種服務(wù)；c)系統(tǒng)自適應(yīng)提供方言/普通話服務(wù)，支持客戶方言/普通話混用。6數(shù)據(jù)資源要求6.1音頻數(shù)據(jù)系統(tǒng)音頻數(shù)據(jù)主要用于語(yǔ)音識(shí)別和語(yǔ)音合成，要求如下：——宜采集地方方言音頻數(shù)據(jù)，訓(xùn)練方言識(shí)別模型，或者在方言區(qū)、次方言通用模型基礎(chǔ)上，采集地方方言音頻數(shù)據(jù)進(jìn)行增量訓(xùn)練；——在銀行金融機(jī)構(gòu)內(nèi)部場(chǎng)景采集的音頻數(shù)據(jù)宜在行內(nèi)本地存儲(chǔ)；——語(yǔ)音識(shí)別的輸入音頻數(shù)據(jù)格式應(yīng)符合GB/T34083—2017中表1的要求；——語(yǔ)音合成的輸出音頻數(shù)據(jù)格式應(yīng)符合GB/T34083—2017中表1的要求。6.2文本數(shù)據(jù)系統(tǒng)的文本數(shù)據(jù)主要用于各功能單元之間的信息傳輸、交換和共享，要求如下：——應(yīng)與具體操作系統(tǒng)和平臺(tái)無(wú)關(guān)，并且可擴(kuò)展；——宜是結(jié)構(gòu)化數(shù)據(jù)，便于系統(tǒng)處理；——中文編碼字符應(yīng)符合GB18030的規(guī)定，并依據(jù)GB/T11460進(jìn)行檢測(cè)；——中文語(yǔ)音合成數(shù)據(jù)交換格式應(yīng)符合GB/T21024—2007中第5章的要求。7前端處理要求4T/CQJR006—20237.1語(yǔ)音喚醒7.1.1命令字喚醒——系統(tǒng)應(yīng)支持使用預(yù)先定義的命令字來(lái)對(duì)系統(tǒng)進(jìn)行語(yǔ)音喚醒；——系統(tǒng)宜支持普通話和方言命令字語(yǔ)音喚醒；——不同銀行服務(wù)渠道預(yù)定義語(yǔ)音喚醒命令字宜保持一致。7.1.2自定義喚醒命令字在手機(jī)銀行等客戶自有設(shè)備服務(wù)渠道，系統(tǒng)宜支持客戶自定義語(yǔ)音喚醒命令字。7.1.3多喚醒命令字系統(tǒng)宜支持使用不同命令字進(jìn)行語(yǔ)音喚醒；可根據(jù)指定的喚醒命令字進(jìn)入對(duì)應(yīng)的業(yè)務(wù)辦理狀態(tài)或模式。7.1.4多音頻流監(jiān)聽(tīng)系統(tǒng)在進(jìn)行語(yǔ)音喚醒時(shí)，應(yīng)支持同時(shí)監(jiān)聽(tīng)多個(gè)音頻流。7.2聲源定位系統(tǒng)應(yīng)支持通過(guò)對(duì)聲源的平面角、方位角和聲源距離的計(jì)算，來(lái)對(duì)發(fā)聲源進(jìn)行定位。7.3聲紋識(shí)別7.3.1一般要求系統(tǒng)應(yīng)支持下列聲紋識(shí)別功能：——文本相關(guān)的聲紋識(shí)別；——文本無(wú)關(guān)的聲紋識(shí)別；——指定文本的聲紋識(shí)別；——聲紋模型訓(xùn)練；——聲紋模型自適應(yīng)；——聲紋確認(rèn)；——聲紋辨認(rèn)；——聲紋檢出；——聲紋追蹤；——語(yǔ)言相關(guān)的聲紋識(shí)別；——語(yǔ)言無(wú)關(guān)的聲紋識(shí)別；上述功能描述和要求應(yīng)符合SJ/T11380—2008第3章的要求。7.3.2聲紋文本獲取系統(tǒng)應(yīng)支持獲取指定文本音頻庫(kù)或自定義文本音頻庫(kù)，用于聲紋模型訓(xùn)練、聲紋模型自適應(yīng)、聲紋確認(rèn)和聲紋辨認(rèn)。7.3.3聲紋輔助身份認(rèn)證在滿足法律法規(guī)和監(jiān)管要求的前提下，可通過(guò)聲紋識(shí)別輔助客戶身份認(rèn)證。7.4語(yǔ)音增強(qiáng)7.4.1噪聲抑制5T/CQJR006—2023系統(tǒng)應(yīng)支持對(duì)輸入語(yǔ)音中的背景噪聲進(jìn)行抑制，提高語(yǔ)音的信噪比。7.4.2混響消除系統(tǒng)應(yīng)支持對(duì)輸入語(yǔ)音中的晚期混響進(jìn)行抑制，提升語(yǔ)音信號(hào)的清晰度和可懂度。7.5格式轉(zhuǎn)換系統(tǒng)應(yīng)支持將音頻的格式轉(zhuǎn)換到另外一種格式，以滿足語(yǔ)音處理的要求。7.6重采樣系統(tǒng)應(yīng)支持改變數(shù)字語(yǔ)音信號(hào)的采樣率，以滿足語(yǔ)音處理的要求。8語(yǔ)音處理要求8.1語(yǔ)音處理概述系統(tǒng)宜聯(lián)動(dòng)語(yǔ)音、語(yǔ)義、知識(shí)庫(kù)模塊，對(duì)語(yǔ)音識(shí)別進(jìn)行聯(lián)動(dòng)調(diào)優(yōu)，提升方言識(shí)別準(zhǔn)確率。8.2語(yǔ)音模塊8.2.1客戶語(yǔ)音識(shí)別要求系統(tǒng)宜支持下列客戶語(yǔ)音識(shí)別：——使用普通話；——使用地方方言；——普通話和地方方言混用；——使用帶有方言口音的普通話；8.2.2語(yǔ)音識(shí)別模型官話方言等與普通話相近的地方方言，宜使用“普通話—方言”混合模型，與普通話差異較大的地方方言宜使用“先分類(lèi)—后識(shí)別”分類(lèi)識(shí)別模型。8.2.3語(yǔ)音識(shí)別功能系統(tǒng)應(yīng)支持下列全部或者大部分語(yǔ)音識(shí)別功能：——自定義語(yǔ)法；——個(gè)性化識(shí)別；——識(shí)別結(jié)果多候選；——自定義熱詞；——自定義同義詞庫(kù)；——自定義錯(cuò)別字詞庫(kù)；——識(shí)別結(jié)果進(jìn)階；——語(yǔ)音信息識(shí)別；——說(shuō)話人信息識(shí)別。6T/CQJR006—20238.2.4話者分流在理財(cái)銷(xiāo)售雙錄等雙人對(duì)話或多人會(huì)話場(chǎng)景下，系統(tǒng)應(yīng)支持按說(shuō)話人將語(yǔ)音信息分流。8.2.5遠(yuǎn)近場(chǎng)音頻處理涉及客戶個(gè)人信息、金融交易信息的服務(wù)場(chǎng)景，應(yīng)使用近場(chǎng)音頻處理，避免客戶信息泄露；8.2.6語(yǔ)音識(shí)別方式系統(tǒng)應(yīng)支持關(guān)鍵字識(shí)別、命令字識(shí)別及連續(xù)語(yǔ)音識(shí)別。8.2.7語(yǔ)音合成類(lèi)型系統(tǒng)宜支持下列一種或多種類(lèi)型語(yǔ)音合成：——普通話語(yǔ)音合成；——方言語(yǔ)音合成；——男聲語(yǔ)音合成；——女聲語(yǔ)音合成；——多種音色語(yǔ)音合成；——多種音調(diào)語(yǔ)音合成；——多種語(yǔ)速語(yǔ)音合成；——多種語(yǔ)氣語(yǔ)音合成。8.2.8語(yǔ)音合成功能系統(tǒng)應(yīng)支持下列全部或大部分語(yǔ)音合成功能：——流式語(yǔ)音合成；——多種合成文本編碼；——自定義分詞；——自定義讀音；——合成文本位置信息；——文本分詞和拼音信息；——音頻時(shí)間信息。上述功能描述和要求應(yīng)符合GB/T34145—2017中4.2和4.3的要求。8.3語(yǔ)義模塊8.3.1自定義語(yǔ)義詞典系統(tǒng)能支持自定義語(yǔ)義詞典。8.3.2自定義語(yǔ)義庫(kù)系統(tǒng)能支持自定義語(yǔ)義庫(kù)。8.3.3語(yǔ)義聯(lián)動(dòng)調(diào)優(yōu)系統(tǒng)宜支持通過(guò)模糊識(shí)別、語(yǔ)義抽取、語(yǔ)義排序等方式糾正方言語(yǔ)音識(shí)別錯(cuò)誤，理解用戶意——模糊識(shí)別，系統(tǒng)應(yīng)能夠處理錯(cuò)別字、同義字、多字少字問(wèn)題?！Z(yǔ)義抽取，系統(tǒng)在交互過(guò)程中，應(yīng)抽取語(yǔ)義要素和用戶的關(guān)鍵意圖?！Z(yǔ)義排序，系統(tǒng)能在語(yǔ)義理解結(jié)果中給出多個(gè)排序后的理解結(jié)果，供用戶進(jìn)行選擇或二次確認(rèn)。7T/CQJR006—20238.4知識(shí)庫(kù)模塊8.4.1知識(shí)類(lèi)型應(yīng)支持以下類(lèi)型知識(shí)：——文庫(kù)或/和文檔；——FAQ(常見(jiàn)問(wèn)題解答)；——百科類(lèi)知識(shí)圖譜。8.4.2知識(shí)構(gòu)建方法可支持以下幾個(gè)等級(jí)知識(shí)構(gòu)建方法，宜采用b）、c）知識(shí)構(gòu)建方法：a)人工知識(shí)構(gòu)建；b)半自動(dòng)知識(shí)構(gòu)建，在執(zhí)行自動(dòng)知識(shí)抽取后，由人工校對(duì)錄入；c)全自動(dòng)知識(shí)構(gòu)建。8.4.3知識(shí)庫(kù)聯(lián)動(dòng)調(diào)優(yōu)在方言語(yǔ)音識(shí)別效果不佳時(shí)，可以通過(guò)知識(shí)檢索引導(dǎo)客戶，明確客戶意圖。9服務(wù)渠道9.1服務(wù)渠道概述金融機(jī)構(gòu)應(yīng)宜以下一個(gè)或多個(gè)服務(wù)渠道提供方言智能服務(wù)：——電話銀行；——手機(jī)銀行；——網(wǎng)點(diǎn)智能機(jī)具；——普惠金融服務(wù)點(diǎn)及離行式便民金融服務(wù)終端。9.2服務(wù)渠道功能概述各服務(wù)渠道宜提供以下一項(xiàng)或多項(xiàng)方言智能服務(wù)功能：——方言智能導(dǎo)航（IVR），客戶可通過(guò)方言語(yǔ)音命令導(dǎo)航至所需服務(wù)；——方言智能填單，客戶可通過(guò)方言語(yǔ)音輸入文本信息，系統(tǒng)自動(dòng)識(shí)別填寫(xiě)；——方言對(duì)話交互，客戶可使用方言語(yǔ)音與系統(tǒng)進(jìn)行自然語(yǔ)言交互，支持單輪問(wèn)答、多輪對(duì)話；——方言智能控制，客戶可使用方言控制交互UI界面、物聯(lián)網(wǎng)設(shè)備等；——方言播報(bào)，可使用方言播報(bào)業(yè)務(wù)辦理信息、人機(jī)交互信息。9.3電話銀行電話銀行渠道方言服務(wù)宜滿足如下要求：——宜同時(shí)提供方言智能語(yǔ)音服務(wù)及按鍵式服務(wù)供客戶選擇；——宜提供方言智能導(dǎo)航、方言智能填單、方言對(duì)話交互功能；——客戶可通過(guò)方言語(yǔ)音命令切換到人工服務(wù)；——宜在客戶使用方言智能填單輸入身份證號(hào)、銀行卡號(hào)、交易金額等信息后，語(yǔ)音播報(bào)填單信息，由客戶確認(rèn)；——不應(yīng)使用語(yǔ)音輸入交易密碼等敏感信息。9.4手機(jī)銀行手機(jī)銀行等移動(dòng)金融客戶端應(yīng)用渠