本文件规定了一种数据交换格式，可用于存储、记录和传输人类的数字化声学数据（语音），该数据来自单次会话中的单个说话人。该数据格式用于各种说话人辨认和确认（SIV）应用，包括文本相关的和文本无关的，并且对数据采集条件或收集环境只作最少假设。将这种格式封装的数据用于其他用途是有可能的，例如自动语音识别（ASR），但这超出了本文件涉及的范围。本文件也不涉及声纹特征或声纹模型级别的数据处理，不涉及特定应用的需求、设备或特性。本文件支持非标准的扩展数据，支持采集得到的原始数据和经过数字处理（增强）的声音数据。对原始输入的任何处理都需有说明，并包含在与语音表示相关联的元数据中。本文件不涉及数据流技术。
本文件不涉及对存储和传输的生物特征数据加时间戳，也不涉及使用加密技术来保护生物特征数据的真实性、完整性和保密性。
符合本文件规定格式的信息能记录在机器可读介质上，也能在系统之间通过数据通信相互传输。
本文件在描述通用的声音数据交换格式的条款后面，给出了XML模式定义的条款。
本文件包含了语音识别和说话人识别领域常用的术语，以及其他ISO标准中的术语。