工作5年后我才发现：90%的技术问题，可以解决

01、前言

现在市面上的智能电子产品千千万，为了达到人们使用更加方便的目的，很多智能产品都开发了语音识别功能，用来语音唤醒进行交互；另外，各大公司也开发出来了各种智能语音机器人，比如小米公司的“小爱”，百度公司的“小度”，三星公司的“bixby”，苹果的“siri”等等。这些语音识别的功能，提高人们使用电子的产品的体验，但是作为一名测试员，给你一款语音识别产品，要怎么进行测试呢？

接下来，我就以小米手机为例，给大家介绍小米手机语音识别如何测试。

小米语音识别功能如何进行测试？

要知道语音识别功能如何测试，我们先了解智能产品语音交互流程：

 如果你想学习自动化测试，我这边给你推荐一套视频，这个视频可以说是B站播放全网第一的自动化测试教程，同时在线人数到达1000人，并且还有笔记可以领取及各路大神技术交流：798478386   

【已更新】B站讲的最详细的Python接口自动化测试实战教程全集（实战最新版）_哔哩哔哩_bilibili【已更新】B站讲的最详细的Python接口自动化测试实战教程全集（实战最新版）共计200条视频，包括：1、接口自动化之为什么要做接口自动化、2、接口自动化之request全局观、3、接口自动化之接口实战等，UP主更多精彩视频，请关注UP账号。https://www.bilibili.com/video/BV17p4y1B77x/?spm_id_from=333.337
所以，要进行测试的话，我们需要从以下几个维度来准备测试点：

02、基础功能测试：

1、声纹的录入：

语音唤醒，为了确保每个人的声音、每个人在不同场景下的声音都能成功语音唤醒，测试一定要有各种不同的声纹来进行测试。

所以，就需要录入各种不同的声纹，来丰富测试场景的覆盖；

2、语音唤醒：

正常唤醒：使用正常的声纹进行语音唤醒，检查可以成功；

异常唤醒：使用异常的声音，比如视频/录音进行唤醒，音乐声进行唤醒，确保不会有误唤醒。

3 唤醒后的功能：
a、语音找设备：可以唤醒设备，比如手机，通过语音找到设备。

b、音量调节：可以通过语音对设备进行音量调节

c、连续对话：唤醒设备后，可以与其进行持续的语音对话，功能正常。

d、指令识别：唤醒后，可以下发指令比如播放音乐，查询天气，拨打电话、定闹钟等，检查指令可以正常被执行。

4、功能冲突交互测试
a、中断测试：语音识别过程中，有中断干扰，比如手机唤醒的时候有电话中断；有闹钟中断、低电量中断等，确保这些中断能被正常处理，不会造成异常；

b、麦克风冲突：如果麦克风被占用了，测试是否能被唤醒；

5、多用户场景
因为用户使用语音识别的场景非常多，测试很难进行完全的覆盖。所以，我们需要通过分析用户的主流使用场景，来覆盖主要的场景。

通过一些数据的采集，发现用户使用的场景屏幕分布如下

调查结果发现，用户使用语音功能主要覆盖以下场景：

所以测试就主要优先去覆盖这些用户场景，其他的场景用例优先级可以逐步降低，调整测试权重，保证用户主流场景的稳定性和准确性。

03、UI 测试

语音唤醒的有 UI 界面需要进行 UI 测试。

比如手机的语音唤醒功能，需要进行 UI 界面的检查，保持 UI 的友好型和美观性；

04、兼容性测试

1，第三方应用的兼容性测试

如果设备里有安装其他的应用，比如手机里的其他应用，是否可以通过语音识别唤醒后进行指定的动作操作；第三方应用兼容性需要保证；

2，外界设备兼容

a、三段式耳机接入

b、四段式耳机接入

c、type-c 数字耳机接入

d、蓝牙耳机接入

通过接入这些第三方的耳机设备，可以进行语音识别并且功能正常。

05、自动化语音识别测试

以上都是通过手工进行测试的，要进行一个比较完整的语音识别覆盖，至少需要以下配置：

测试人数：10/20 人（男女各一半）

测试次数：每个场景 50 次

测试环境：办公室、会议室

测试场景：亮屏唤醒、灭屏唤醒、手机播放音乐唤醒、声纹误唤醒、基本语句识别率

但是手工测试是有不可忽视的一些严重缺陷的：

1、测试手法不统一：不同的距离和不同的角度都会导致识别结果不一样。

2、测试过程中人员声音波动大

同一算法，同一产品，在测试人员不变，场景一致的情况下，多轮测试的数据差异大；

由此可见，手工测试耗时耗力、测试数据参考价值低。所以，语音识别测试也可以进行一些自动化测试。

06、自动化测试的关键点

1、实现半自动化语音测试

因为手工测试就是没有办法提供那么多人进行不同语料的测试，所以需要实现语料自动合成和模拟。可以采用 python+pyaudio 开发 + 音箱模拟人声，来对语音进行识别测试。

而且通过增加语料量级（至少 40 组声纹），降低唤醒/识别频次；增加不同的噪音环境，不同噪音 + 不同距离，模拟用户真实环境。

这样，就可以覆盖更多的不同的语料以及场景，大大提高识别的正确率。

2、语料自动化播放 + 自动化检测

现在有了语料，但是需要手动播放的话，工作量依然很大，所以需要实现语料自动播放和自动化监测。

3、增加噪声播放系统 + 滑轨控制系统

因为用户的使用场景往往有很多的噪音，如果测试不模拟这种噪音环境，是没有办法真正还原用户场景的。所以，需要设置一些噪音源，可以自动化增加噪音，并可以调整距离。

如下图，就是小米公司的专为为测试语言识别造的混响室，以及自动化调节人头系统