语音测试（语音测试怎么测）

本篇文章给大家谈谈语音测试，以及语音测试怎么测对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、如何测试app语音识别功能
• 2、浅谈语音测试方案（一）
• 3、检测英语语音教学效果的方法

如何测试app语音识别功能

1.针对输入源来测试:

(人声、录音、广播),语音采集：语音输入方式（人声、录音、广播等）、语音的类型（男生、女生、童声等）、不同语音环境（室外、室内、浴室、火车站、大厅等等），声音大小.

（1）用户正常比较标准的哼唱，查看识别结果，并且能够点播；

（2）用户加了特效的哼唱圆枝，比如加了电音效果，查看识别结果；

（3）用户的哼唱咬字不清或者是错字，查看识别结果；

（4）用户的哼唱停顿点节奏不者辩对，查看识别结果；

（5）用户的哼唱音调比较低，查看识别结果；

（6）用户的哼唱音调比较高，查看识别结果；

（7）还可以从用户哼唱的音色来看，音色明亮和低沉，查看识别结果；

（8）输入比较短的哼唱，比如1秒，查看识别结果；

（9）输入比较长的哼唱，就是哼唱的特别慢，查看识别结果；

2.对识别结果测试：

（1）对正常比较标准的哼唱输入，查看得到的结果，是否正确，是否模糊匹配到其它歌曲，准确度如何；

（2）对非正常的哼唱输入，结果显示如何，是否需要显示空白提示页

3.容错性和性能测试：

比对速度、准确性,乐库容量对识别速度和结果的影响数据；首腔缺什么量级，什么结果；服务器并发量；

（1）哼唱的环境有比较多杂音，查看识别结果；

（2）哼唱的声音时大时小，查看识别结果；

（3）哼唱识别得到结果后，多次反复哼唱，查看是否每次都能够识别出结果；

4.兼容性测试：

（1）平台测试：iOS和Android；

（2）设备系统测试：iOS8-11系统，Android4.0-8.1等，具体得看需求支撑哪些系统；

（3）设备内存和存储等，如存储不够的时候，输入一段音频，是否会出现crash等；

（4）分辨率：手机不同分辨率，页面显示；这个也可以归为UI测试了；

（5）方言识别；

浅谈语音测试方案（一）

现状

人与之间通过声音来直接沟通交流，人与机器之间的交流也渐渐脱离了传统的沟通模式盯戚激，进入了语音交流时代。语音交流更是拉近了人和机器之间情感，现在的语音技术就是为了使机器更好的识别人声、并合成接近人类的声音以达到更好的交流。

目前国内研究语音相关的团队主要包括科研院所、语音技术公司以及互联网公司三部分：

科研院所主要包括高校和科学院，比如科学院里有声学所、自动化所，高校里面研究比较多的清华、北大、西工大、科大、上海交大等，这些都是在语音圈里占有较高位置的老牌队伍。

语音技术公司包括我们比较熟悉的科大讯飞、云知声、思必驰、极限元等。

互联网公司包括BAT、搜狗等拥有强大的语音技术团队来支撑着其本身的很多业务。

测试方案

接触语音识别、语音合成项目的测试将近一年，认识还非常浅薄，大家有更好的想法或者技术方案可以多多沟通凯袜交流。下面分别从语音识别、语音合成谈谈一些我在项目中用的测试方案。

语音识别

语音识别的整体流程如上，站在测试角度思考，测试最简单的切入点就是最终生成文本内容的校验上。

目前的测试方案是事先标注一批语音的文本内容，与识别出的文本内容做对比，获取识别的准确率。但是这种准确率统计脱离了实际使用场景，比如车载模式下的噪音、与麦克风的距离都会影响识别准确率。

另外，从上图流程可以看出，识别准确率还会受声学模型、解码器的影响。语音信号经过特征提取得到声学特征，再通过声学特征训练得到声学模型，声学模型结合语言模型以及发音辞典构建声码器以后进行解码来输出文本，所以声学模型的训练结果一定是正确的吗？这也是测试的一个切入点。

语音合成

测试考虑从以下两方面入手：

服务端的文本分析

合成效果的评测

文本分析

语音合成的测试前期工作主要放在前端文本分析上，用python中的Snownlp及pypinyin将文本进行分分词及注音后输出注音及音调，服务端的前端模块输出注音及音调，将脚本输出的结果和服务端输出的结果做对比。这种方式可以对比出音调、多音字的差异。

frompypinyin import pinyin#pinyin将汉字转为拼音。可以用于汉字注音、排序、检索fromsnownlp importnormal#snownlp 转换成拼音，繁体转简体，提取文本关键词fromsnownlp import seg#分词text_normal =normal.zh2hans(text_path)sent_normal =normal.get_sentences(text_normal)words= seg.seg(sent_normal.decode('utf-8'))#匹配多音字word= SnowNLP(words_list)word=word.sim(sim_word.decode('utf-8'))#注音txt_zhuyin = pinyin(word, style=pypinyin.TONE3)

合成效果评测

成功效果评测的方式也有两种：一种方式众包评测，这种方式是靠人的主管感受去评测合成的语音是否流畅、自然、发音正确等，这种方式的结果更有说服力，但是人力成本较大。

另一种方式是对比语音的波形图，python中的wave模块支持将语音转为波形图，python中还有其他模块如eyeD3,PyAudio,Audacity等等可以处理语音暂且不介绍这些模块。先介绍wave中的一些方法：

getparams()

获取wav文件的参数（以tuple形式输出），依次为(声道数，采样精度，采样率，帧数等)

readframes()

得到每一帧的声音数据，返回仔哗的值是二进制数据，在python中用字符串表示二进制数据。

步骤如下：

通过wav库获得night.wav的头文件中的信息，如采样率／声道数等等.

提取出DATA区域的信息，用numpy将string格式数据转化为数组

通过判定声道数将DATA区域数据进行处理（对数组矩阵进行转换）

得到每个绘制点的时间（x坐标）

用matplotlib库提供的方法绘制出波形图

对波形的信息进行对比分析，可以从中得到很多有效信息，但是这些信息是否能有效过滤掉不同的口音、情绪、呼吸等的差异，去提取自己想要的信息如音调差异、错别字的差异还在探索中。

原文链接

[img]

检测英语语音教学效果的方法

以下是几种检测英语语音教学效果的方法：

1.口语评测系统：可以使用一些在线口语评测平台，如ETS的TOEFL评测、英语流利说等，上传学生录制的语音作品，量化评估学生的语音表现，对比学生的语音表现和标准外语人士的语音表现，以此来检测学生的语音教学效果。这种方法的优点是可以量化学生的表现，便于比对和分析，但也有其局限性，如无法分析学生口音的根本原因。

2.自我评估表：可以让学生自行填写一份自我评估表，指导他们根据教学要点对自己的口音进行评估，并自主寻找改进方法。这种方法的渗蔽优点是让学生更加主动地参与到学习中来，通过自我评估和自我反思提高口音水平。

3.听力测试：可以通过一些口音比较突出的音频材料，如普通话或美式英语的单词或句子等，来测试学生的听力水平和对于不同口音的识别能力。该方法可以检测学生对于标准口音的掌握情况，并帮助学生对于不同口音进行区别。

4.面对面的语音测试：这种方法需要聘请一名会说标准口音的外教或者相关人员进行面对面的语音测试。该方法可以直接针对丛乱州学生的语音特点进行检测，并给出具体的建议和指导。不过，这种方法的缺点是成本较高，需要由专业人员进行测试。

这些方法可以互相结合，进行陪磨综合的评估和分析，来提高英语语音的教学效果。

关于语音测试和语音测试怎么测的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。