前言
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識別功能，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。這些語音識別的功能，提高人們使用電子的產品的體驗，但是作為一名測試員，給你一款語音識別產品，要怎麼進行測試呢？
接下來，我就以小米手機為例，給大家介紹小米手機語音識別如何測試。
小米語音識別功能如何進行測試？
要知道語音識別功能如何測試，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：
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下測試。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，比如影片/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，可以與期進行持續的語音對話，功能正常。
d、指令識別：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、功能衝突互動測試
a、中斷測試：語音識別過程中，有中斷干擾，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、麥克風衝突：如果麥克風被佔用了，測試是否能被喚醒；
5、多使用者場景
因為使用者使用語音識別的場景非常多，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。
透過一些資料的採集，發現使用者使用的場景螢幕分佈如下：
調查結果發現，使用者使用語音功能主要覆蓋一下場景：
728 x 364 1095 x 548
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順序可以逐步降低，調整測試權重，保證使用者主流場景的穩定性和準確性。
UI 測試
語音喚醒的有 UI 介面需要進行 UI 測試。比如手機的語音喚醒功能，需要進行 UI 介面的檢查，保持 UI 的友好型和美觀性；
相容性測試
- 第三方應用的相容性測試
如果裝置裡有安裝其他的應用，比如手機裡的其他應用，是否可以透過語音識別喚醒後進行指定的動作操作；第三方應用相容性需要保證；
- 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 數字耳機接入
d、藍芽耳機接入
透過接入這些第三方的耳機裝置，可以進行語音識別並且功能正常。
自動化語音識別測試
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識別覆蓋，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、基本語句識別率
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識別結果不一樣。
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，多輪測試的資料差異大；
由此可見，手工測試耗時耗力、測試資料參考價值低。所以，語音識別測試也可以進行一些自動化測試。
自動化測試的關鍵點
1、開發測試指令碼，實現半自動化語音測試
因為手工測試就是沒有辦法提供那麼多人進行不同語料的測試，所以需要實現語料自動合成和模擬。可以採用 python+pyaudio 開發 + 音箱模擬人聲，來對語音進行識別測試。
而且透過增加語料量級（至少 40 組聲紋），降低喚醒/識別頻次；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，大大提高識別的正確率。
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，所以需要實現語料自動播放和自動化監測。
3、增加噪聲播放系統 + 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識別造的混響室，以及自動化調節人頭系統
