YDT4092.5-2024智能语音技术与产品评估方法第5部分：语音增强和优化.pdfVIP

ICS35.240

CCSL67

YD

中华人民共和国通信行业标准

YD/T××××—××××

智能语音技术与产品评估方法

第5部分：语音增强和优化

Evaluationmethodforintelligentspeechtechnologyandproduct

—Part5：Speechenhancementandoptimization

（报批稿）

××××-××-××发布××××-××-××实施

中华人民共和国工业和信息化部发布

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。

本文件是《智能语音技术与产品评估方法》的第5部分。该体系标准的结构和名称预计如下：

——第1部分：中文语音合成基础服务；

——第2部分：中文语音识别基础服务；

——第3部分：声纹识别（说话人识别）基础服务；

——第4部分：全双工语音交互系统；

——第5部分：语音增强和优化。

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这些专利的责任。

本文件由中国通信标准化协会提出并归口。

本文件起草单位：中国信息通信研究院、深圳市腾讯计算机系统有限公司、南京新一代人工智能研

究院有限公司、思必驰科技股份有限公司、美的集团（上海）有限公司、北京理工大学、乐万家财富(北

京)科技有限公司。

本文件主要起草人:李荪、黄飞、刘秋男、王昊、黄建华、王辉、代威、梅述家、王颖、张秋显、

徐沾伟、李志强、屈少杰、脱立恒、蔡亚森、邱颜清、刘丽。

II

YD/TXXXX—XXXX

引言

语音增强技术广泛应用于通话、在线会议、远程教育等日常生活的各个场景。实际应用中用户的语

音环境复杂，可能存在多种噪声源对通话产生干扰，突发性强并且通常偏离基于先验的理想假设，降低

了传统语音增强技术的适用性。人工智能的快速发展，为智能音频处理构建了全新的理论和技术框架，

特别是新型神经网络和深度学习技术的不断完善极大推动了语音增强技术的发展，能够更有效的解决传

统音频处理难以处理的非平稳噪声问题，为更多新应用场景提供性能更好的解决方案。

该系列文件的结构、名称和目的如下：

——第1部分：中文语音合成基础服务。目的在于为语音合成服务提供者及第三方评测机构提供相

关技术规范和评估方法。

——第2部分：中文语音识别基础服务。目的在于为语音识别服务提供者及第三方评测机构提供相

关技术与产品的评估方法。

——第3部分：声纹识别（说话人识别）基础服务。目的在于为声纹识别服务提供者及第三方评测

机构提供相关技术与产品的评估方法。

——第4部分：全双工语音交互系统。目的在于为全双工语音交互系统提供者及第三方评测机构提

供相关技术与产品的评估方法。

——第5部分：语音增强和优化。目的在于规范语音增强和优化系统的技术要求并提供评估方法。

本文件是“智能语音技术与产品评估方法”系列文件第5部分：语音增强和优化，目的在于面向互

联网语音业务的实时性和轻量化需求，规范数据、优化模型、评估性能。

III