現在市面上的智慧電子產品千千萬，為了達到人們使用更加方便的目的，很多智慧產品都開發了語音辨識功能，用來語音喚醒進行互動；另外，各大公司也開發出來了各種智慧語音機器人，比如小米公司的「小愛」，百度公司的「小度」，三星公司的「bixby」，蘋果的「siri」等等。這些語音辨識的功能，提高人們使用電子的產品的體驗，但是作為一名測試員，給你一款語音辨識產品，要怎麽進行測試呢？
接下來，我就以小米手機為例，給大家介紹小米手機語音辨識如何測試。
小米語音辨識功能如何進行測試？
要知道語音辨識功能如何測試，我們先了解智慧產品語音互動流程：
所以，要進行測試的話，我們需要從以下幾個維度來準備測試點：
01.基礎功能測試：
1 聲紋的錄入：
語音喚醒，為了確保每個人的聲音、每個人在不同場景下的聲音都能成功語音喚醒，測試一定要有各種不同的聲紋來進行測試。
所以，就需要錄入各種不同的聲紋，來豐富測試場景的覆蓋；
2 語音喚醒：
正常喚醒：使用正常的聲紋進行語音喚醒，檢查可以成功；
異常喚醒：使用異常的聲音，比如視訊/錄音進行喚醒，音樂聲進行喚醒，確保不會有誤喚醒。
3 喚醒後的功能：
a、語音找裝置：可以喚醒裝置，比如手機，透過語音找到裝置。
b、音量調節：可以透過語音對裝置進行音量調節
c、連續對話：喚醒裝置後，可以與其進行持續的語音對話，功能正常。
d、指令辨識：喚醒後，可以下發指令比如播放音樂，查詢天氣，撥打電話、定鬧鐘等，檢查指令可以正常被執行。
4 功能沖突互動測試
a、中斷測試：語音辨識過程中，有中斷幹擾，比如手機喚醒的時候有電話中斷；有鬧鐘中斷、低電量中斷等，確保這些中斷能被正常處理，不會造成異常；
b、麥克風沖突：如果麥克風被占用了，測試是否能被喚醒；
5 多使用者場景
因為使用者使用語音辨識的場景非常多，測試很難進行完全的覆蓋。所以，我們需要透過分析使用者的主流使用場景，來覆蓋主要的場景。
透過一些數據的采集，發現使用者使用的場景螢幕分布如下：
調查結果發現，使用者使用語音功能主要覆蓋以下場景：
所以測試就主要優先去覆蓋這些使用者場景，其他的場景用例優先級可以逐步降低，調整測試權重，保證使用者主流場景的穩定性和準確性。
02.UI 測試
語音喚醒的有 UI 界面需要進行 UI 測試。
比如手機的語音喚醒功能，需要進行 UI 界面的檢查，保持 UI 的友好型和美觀性；
03.相容性測試
1，第三方套用的相容性測試
如果裝置裏有安裝其他的套用，比如手機裏的其他套用，是否可以透過語音辨識喚醒後進行指定的動作操作；第三方套用相容性需要保證；
2，外界裝置相容
a、三段式耳機接入
b、四段式耳機接入
c、type-c 數位耳機接入
d、藍芽耳機接入
透過接入這些第三方的耳機裝置，可以進行語音辨識並且功能正常。
04.自動化語音辨識測試
以上都是透過手工進行測試的，要進行一個比較完整的語音辨識覆蓋，至少需要以下配置：
測試人數：
10/20 人（男女各一半）
測試次數：
每個場景 50 次
測試環境：
辦公室、會議室
測試場景：
亮屏喚醒、滅屏喚醒、手機播放音樂喚醒、聲紋誤喚醒、基本語句辨識率
但是手工測試是有不可忽視的一些嚴重缺陷的：
1、測試手法不統一：
不同的距離和不同的角度都會導致辨識結果不一樣。
2、測試過程中人員聲音波動大
同一演算法，同一產品，在測試人員不變，場景一致的情況下，多輪測試的數據差異大；
由此可見，手工測試耗時耗力、測試數據參考價值低。所以，語音辨識測試也可以進行一些自動化測試。
05.自動化測試的關鍵點
1 實作半自動化語音測試
因為手工測試就是沒有辦法提供那麽多人進行不同語料的測試，所以需要實作語料自動合成和模擬。可以采用 python+pyaudio 開發 + 音箱模擬人聲，來對語音進行辨識測試。
而且透過增加語料量級（至少 40 組聲紋），降低喚醒/辨識頻次；增加不同的噪音環境，不同噪音 + 不同距離，模擬使用者真實環境。
這樣，就可以覆蓋更多的不同的語料以及場景，大大提高辨識的正確率。
2 語料自動化播放 + 自動化檢測
現在有了語料，但是需要手動播放的話，工作量依然很大，所以需要實作語料自動播放和自動化監測。
3 增加雜訊播放系統 + 滑軌控制系統
因為使用者的使用場景往往有很多的噪音，如果測試不模擬這種噪音環境，是沒有辦法真正還原使用者場景的。所以，需要設定一些噪音源，可以自動化增加噪音，並可以調整距離。
如下圖，就是小米公司的專為為測試語言辨識造的混響室，以及自動化調節人頭系統
