陳 林 洪志云

（廣東美的制冷設(shè)備有限公司 佛山 528311）

引言

隨著智能音箱[1]和語音家電的普及，AI語音已經(jīng)逐步滲透到人們的生活中，人們?cè)絹碓綐酚谑褂谜Z音交互和控制（家電），而語音交互的體驗(yàn)也越來越被重視。2018年來，無論是國(guó)內(nèi)外AI語音方向的巨頭還是國(guó)內(nèi)的統(tǒng)一語音解決方案廠商，都發(fā)布了自己的全雙工對(duì)話技術(shù)。語音家電作為語音入口之一，無論是控制家電還是播放音樂，都實(shí)現(xiàn)了全雙工對(duì)話技術(shù)的應(yīng)用。雖然全雙工對(duì)話這種模式各大廠商都已發(fā)布，但對(duì)于該技術(shù)（功能）至今都沒有一個(gè)統(tǒng)一的標(biāo)準(zhǔn)去規(guī)范它的技術(shù)要求和實(shí)驗(yàn)方法。而語音家電和智能音箱天然不同的應(yīng)用屬性，決定了語音家電全雙工對(duì)話技術(shù)要求和實(shí)驗(yàn)方法迫切需要定義和實(shí)踐，源于語音家電作為語音入口，因?yàn)橛锌刂频膶傩?，在全雙工對(duì)話中，噪聲很有可能誤入繼而被識(shí)別成可控制設(shè)備的指令詞，這種情況對(duì)于很多大功率家電其實(shí)是一件非常影響用戶體驗(yàn)和危險(xiǎn)的事情。

本文將聚焦語音家電全雙工對(duì)話技術(shù)的識(shí)別率、語義打斷、噪聲誤打斷3個(gè)語音性能方面的測(cè)試要求和測(cè)試方法。

1 測(cè)試要求

語音家電全雙工對(duì)話技術(shù)，實(shí)際上是語音家電錄音的同時(shí)可以播放聲音，即一邊回答問題一邊聽用戶說話，這個(gè)過程中VAD[2]是常開的。因?yàn)槭浅ｉ_，那么噪聲（外部噪聲、回聲噪聲）就很容易誤入并被識(shí)別成有意義的指令詞。對(duì)于語音家電來說，一個(gè)有意義的指令詞很有可能會(huì)觸發(fā)家電的控制，這是我們最關(guān)心的問題?；诖耍瑢?duì)于語音家電上全雙工對(duì)話技術(shù)的應(yīng)用，我們需要較好的用戶體驗(yàn)，就要在要求較高的識(shí)別率[3]的同時(shí)，要求噪聲環(huán)境下的語義打斷和噪聲誤打斷指標(biāo)也要足夠好。

1.1 識(shí)別率

語音家電（雙麥）全雙工狀態(tài)下的識(shí)別率要求如表1。

表1 雙麥語音家電全雙工狀態(tài)下識(shí)別率

1.2 語義打斷

語音家電（雙麥）全雙工狀態(tài)下的語義打斷要求如表2。

表2 雙麥語音家電全雙工狀態(tài)下語義打斷要求

1.3 噪聲誤打斷

語音家電（雙麥）全雙工狀態(tài)下的噪聲誤打斷要求如表3。

表3 雙麥語音家電全雙工狀態(tài)下噪聲誤打斷要求

2 測(cè)試方法

2.1 測(cè)試設(shè)備（見表4）

表4 雙麥語音家電全雙工對(duì)話技術(shù)測(cè)試設(shè)備一覽表

2.2 設(shè)備布局

人工嘴位于語音家電麥克風(fēng)正前方(注：其他角度如 45 °和 135 °結(jié)果僅作為參考)，水平直線距離L米（有1 m、3 m、5 m三種方案）；聲級(jí)計(jì)、語音家電麥克風(fēng)位于同一平面處，噪音源與語音家電麥克風(fēng)距離≥1 m；聲級(jí)計(jì)與語音家電麥克風(fēng)盡量靠近（兩者之間距離≤50 mm），但不能碰到被測(cè)設(shè)備的外殼，避免發(fā)音震動(dòng)引起的干擾。DUT（被測(cè)物）的位置有三種情況，分別時(shí)室內(nèi)居中放置、室內(nèi)靠墻放置、室內(nèi)角落放置，具體選擇哪種位置因被測(cè)物實(shí)際使用情況而定，比如風(fēng)扇，可選擇室內(nèi)居中位置、立式空調(diào)可選擇室內(nèi)角落、電飯煲可選擇室內(nèi)靠墻等。實(shí)際測(cè)試可按照產(chǎn)品實(shí)際情況選擇圖1～6的任意兩種或者一種布局方式進(jìn)行測(cè)試。

圖1 DUT室內(nèi)居中放置噪聲朝里布局示意圖

圖2 DUT室內(nèi)居中放置噪聲朝外布局示意圖

圖3 DUT室內(nèi)靠墻放置噪聲朝里布局示意圖

圖4 DUT室內(nèi)靠墻放置噪聲朝外布局示意圖

圖5 DUT室內(nèi)角落放置噪聲朝里布局示意圖

圖6 DUT室內(nèi)角落放置噪聲朝外布局示意圖

2.3 測(cè)試數(shù)據(jù)要求

2.3.1 識(shí)別率測(cè)試數(shù)據(jù)要求如表5。

表5 雙麥語音家電全雙工對(duì)話技術(shù)指令詞測(cè)試數(shù)據(jù)要求

2.3.2 噪聲測(cè)試數(shù)據(jù)要求如表6。

表6 雙麥語音家電全雙工對(duì)話技術(shù)噪聲測(cè)試數(shù)據(jù)要求

2.4 測(cè)試方法

分別調(diào)節(jié)音箱和人工嘴音量，使前述兩種設(shè)備單獨(dú)發(fā)聲時(shí)聲級(jí)計(jì)測(cè)出的分貝值計(jì)算信噪比，所有測(cè)試均保證信噪比SNR[4]≥10 dB。用人工嘴依次播放測(cè)試集語音命令，采用自動(dòng)記錄設(shè)備記錄識(shí)別結(jié)果。需要注意的是：

1）所有測(cè)試均在產(chǎn)品結(jié)構(gòu)合理并且達(dá)到結(jié)構(gòu)設(shè)計(jì)ID的標(biāo)準(zhǔn)后進(jìn)行測(cè)試；

2）所有測(cè)試均在典型混響環(huán)境[5]下測(cè)試（T60的值在200～400 ms）；

3）聲音分貝以設(shè)備接收到的聲音的分貝為準(zhǔn)；

4）噪聲源的朝向（朝里、朝外）不同的情況下，準(zhǔn)確率要求不變；

5）本文提到的語音性能自動(dòng)化測(cè)試環(huán)境單位dB均為dBA。

2.4.1 識(shí)別率測(cè)試

測(cè)試環(huán)境：滿足表1的要求；

測(cè)試數(shù)據(jù)：家電控制指令詞，≥100人&≥200條/人，且滿足3.3的要求；

通判標(biāo)準(zhǔn)：滿足表1的要求；

測(cè)試方法：

①切換到全雙工鏈路（很多語音設(shè)備可能同時(shí)存在半雙工鏈路和全雙工鏈路），

②進(jìn)行全雙工鏈路的識(shí)別率測(cè)試：

播放喚醒詞→確認(rèn)已經(jīng)被喚醒→播放指令詞→匹配識(shí)別結(jié)果→重復(fù)上述4個(gè)步驟。

2.4.2 語義打斷測(cè)試

測(cè)試環(huán)境：滿足表2的要求。

測(cè)試數(shù)據(jù)：全雙工技能指令詞，≥5人&≥100條/人，同時(shí)滿足3.3的要求。

通判標(biāo)準(zhǔn)：滿足表2的要求：

-實(shí)際播放指令次數(shù)為A，

-本地記錄打斷成功次數(shù)為B，

-本地記錄打斷成功且識(shí)別正確次數(shù)為C；

腳本設(shè)計(jì)：

①喚醒（判斷喚醒標(biāo)志，保證喚醒成功且上一輪全雙工已經(jīng)退出）；

②本地播放有長(zhǎng)TTS下發(fā)的指令詞（判斷識(shí)別正確且成功激活全雙工狀態(tài)）；

③檢測(cè)到“start tts”標(biāo)志后等待1 s（期間無“end tts標(biāo)志”且無全雙工退出標(biāo)志）；

④播放測(cè)試指令詞，并記錄播放時(shí)間到本地excel；

⑤等待5 s；

⑥重復(fù)①～⑥，直到待測(cè)的指令詞播完，結(jié)束自動(dòng)化測(cè)試（待測(cè)指令此總數(shù)為A）。

按照上面的步驟，每次播完一個(gè)指令詞就重新喚醒再進(jìn)入全雙工。保存200條測(cè)試指令詞測(cè)試過程中的全部嵌入式端的日志到本地，測(cè)試完成后對(duì)該日志進(jìn)行數(shù)據(jù)處理，處理方法如下：

①按照進(jìn)入全雙工&退出全雙工為一組，通過腳本分析日志并統(tǒng)計(jì)數(shù)據(jù)如表7。

表7 進(jìn)入全雙工&退出全雙工統(tǒng)計(jì)數(shù)據(jù)

②計(jì)算語義打斷精確率和召回率：

-實(shí)際播放指令次數(shù)為A；

-本地記錄打斷成功次數(shù)為B=sum N1(200組N1的和)；

-本地記錄打斷成功且識(shí)別正確次數(shù)為C=sum N2（200組N2的和）；

2.4.3 噪聲誤打斷測(cè)試

測(cè)試環(huán)境：滿足表3的要求。

測(cè)試數(shù)據(jù)：只需要測(cè)試噪聲環(huán)境的時(shí)候按照3.3的要求準(zhǔn)備噪聲數(shù)據(jù)。

通判標(biāo)準(zhǔn)：

安靜環(huán)境，全雙工狀態(tài)下，噪聲誤打斷≤0次/100輪；

噪聲環(huán)境，全雙工狀態(tài)下，噪聲誤打斷≤10次/100輪。

腳本設(shè)計(jì)：

前置條件：安靜環(huán)境的測(cè)試直接執(zhí)行下述腳本，噪聲環(huán)境的測(cè)試則同時(shí)啟動(dòng)噪聲播放和下述自動(dòng)化腳本的執(zhí)行。（有條件的話，可以對(duì)測(cè)試全過程進(jìn)行錄音，方便排查問題。）

①喚醒（判斷喚醒標(biāo)志，保證喚醒成功，且上一輪全雙工已經(jīng)退出）；

②播放指令詞；

③判斷進(jìn)入全雙工狀態(tài)，成功進(jìn)入計(jì)數(shù)N則+1，N的初始值為0；

④等待X s（X為對(duì)話主動(dòng)退出定義的超時(shí)時(shí)間）；

⑤重復(fù)①～⑤，直到N=100后結(jié)束自動(dòng)化測(cè)試。

按照上面的步驟，每次播完一個(gè)指令詞成功進(jìn)入全雙工狀態(tài)后，則一直等到該全雙工狀態(tài)自然超時(shí)退出，中間不播放除待測(cè)噪聲外的任何音頻數(shù)據(jù)，隨后再重新喚醒播放指令詞進(jìn)行下一輪全雙工的觸發(fā)。保存測(cè)試過程中的全部嵌入式端的日志到本地，測(cè)試完成后對(duì)該日志進(jìn)行數(shù)據(jù)處理，處理方法如下：

①按照進(jìn)入全雙工&退出全雙工為一組，通過腳本分析日志并統(tǒng)計(jì)數(shù)據(jù)如表8。

表8 進(jìn)入全雙工&退出全雙工統(tǒng)計(jì)數(shù)據(jù)

②計(jì)算噪聲誤打斷

安靜環(huán)境和噪聲環(huán)境的測(cè)試分開統(tǒng)計(jì)，噪聲誤打斷次數(shù)=sum N3（100組N3的和）。

3 測(cè)試報(bào)告

測(cè)試報(bào)告應(yīng)包括以下內(nèi)容：

1）語音家電種類；

2）使用的測(cè)試設(shè)備；

3）測(cè)試環(huán)境的詳細(xì)描述（房間噪聲值、混響值、測(cè)試設(shè)備擺放、距離、角度）；

4）測(cè)試使用的數(shù)據(jù)詳細(xì)描述；

5）表1、表2、表3中各測(cè)試項(xiàng)目的數(shù)據(jù)指標(biāo)。

4 實(shí)際應(yīng)用

采用以上測(cè)試方法，選取市場(chǎng)了一款宣稱“全雙工對(duì)話”技術(shù)的空調(diào)DF100作為試驗(yàn)樣機(jī)，按照以上試驗(yàn)步驟，部分測(cè)試結(jié)果如表9，部分測(cè)試過程數(shù)據(jù)見圖7，部分測(cè)試環(huán)境見圖8。

表9 DF100全雙工語音性能部分測(cè)試結(jié)果

圖7 部分測(cè)試過程數(shù)據(jù)

圖8 部分測(cè)試環(huán)境

5 結(jié)論

家電的語音功能成為近年來各大家電企業(yè)宣稱重要賣點(diǎn)之一，消費(fèi)者也從“能動(dòng)口就不動(dòng)手”的角度出發(fā)，希望購買集解放雙手和娛樂為一體的語音家電，而全雙工對(duì)話技術(shù)又是家電語音功能的一大亮點(diǎn)，能夠?yàn)槿藗兲峁┳匀涣鲿车囊淮螁拘讯噍唵柎鸬念惾嘶慕换ンw驗(yàn)。本文解讀了語音家電全雙工對(duì)話技術(shù)的關(guān)鍵測(cè)試指標(biāo)、測(cè)試要求和方法，并結(jié)合語音空調(diào)產(chǎn)品的測(cè)試結(jié)果，為今后各家電企業(yè)及測(cè)試機(jī)構(gòu)針對(duì)語音家電全雙工對(duì)話技術(shù)測(cè)試提供了指引方法。