团体标 准
基于多模态特征的智能人机交互技术要求
Technicalrequirements of intelligent human-puter interactionbasedon multi-modalfeatures
电信终端产业协会发布
目次
前言1范围..2规范性引用文件3术语和定义.4缩略语5概述...6技术框架，7输入层技术要求7.1文本输入技术要求7.2图像输入技术要求7.3语音输入技术要求7.4视频输入技术要求，8基础能力层技术要求.8.1概述 8.2NLP能力技术要求.8.3视觉能力技术要求8.4语音能力技术要求9智能处理层技术要求.9.1概述9.2多模态理解引擎技术要求 9.3多模态对话引擎技术要求9.4多模态生成引攀技术要求. 1010应用层技术要求， 1211运营管理层要求.. 1211.1数据管理技术要求 1211.2知识管理技术要求 1211.4用户管理技术要求， 11.3日志管理技术要求， 1311.5运维监控， 13 13
前言
本文件按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草.
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专利的责任.
本文件由电信终端产业协会提出并归口.
本文件起草单位：联通在线信息科技有限公司、中国信息通信研究院、北京三星通信技术研究有限公司.
本文件主要起草人：常剑、姜昊、刘小丽、朱淑媛、曹珀、金潇、袁琦、王昱龙、刘萧萧、闫颖、闫彦、吴越.
基于多模态特征的智能人机交互技术要求
1范围
本文件规定了基于多模态特征的智能人机交互技术要求，包括技术框架、输入层要求、基础能力层要求、智能处理层要求、应用层技术要求、运营管理层技术要求等.
本文件适用于基于多模态特征的智能人机交互技术的设计、研发和测试工作.
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（包括的修改单）适用于本 文件.
GB/T25069-2022信息安全技术术语
3术语和定义
下列术语和定义适用于本文件.
3.1文本聚类text clustering将文本数据分组，根据文本的相似性将它们划分为不同的簇或类别.
3.2文本摘要text summary通过对原始文本的分析和理解，生成一个简短的、概括原始文本主要内容的摘要.
实体识别entityrecognition从文本中提取有意义的实体信息的过程.
3. 4情绪识别emotionrecognition通过分析各种来源的数据，如语音、面部表情、生理信号或文本等，来判断一个人当前的情绪状态.
3.5语音识别speech recognition将人类的声音信号转化为文字或者指令的技术.
3.6语音合成speech synthesis 通过机械的、电子的方法合成人类语言的过程.
3.7声纹识别voiceprintrecognition通过识别个体的声音特征来进行身份验证或识别说话人的技术.
