新技术不断刷新我对测试工作的认知！如何进行机器语音交流测试？( 二 ) _机器语音交流测试

2.语音&语义识别功能的测试流程
我们以某掌银的导航和转账业务为例，下图展示了测试模型识别效果的主要流程。首先需要准备一定量的数据（当数据量越大的时候，模型的训练效果越好）分为两个部分，一部分是语音测试数据，一部分是语义测试数据。其中语音测试的数据都是提前录好的对应文字的语音，语义测试的数据是包含意图关键词的语料文档，两部分的数据都包含导航和转账两个业务场景的语句。

文章插图

把录制的语音文件发送至“语音识别模型” ，返回语音识别的结果，并根据识别的结果出具一个语音识别的准确率，其中包含接口请求的成功率，字准率（识别正确的字符数/评测集所有字符数）和句准率（全部识别正确的句子数目/评测集所有句子数），并将该结果装载至“语义识别模型” ，返回语义识别结果，同样出具一个语义识别准确率，即词准率（正确识别出的某类关键词（例如意图）/评测集所有某类关键词数（例如意图）），语音和语义识别的准确率即为模型效果评价指标的方式。

文章插图

以下图中第一条自造数据为例，当客户说出我要转账给丁某三十元的时候，把语音识别模型识别出来的结果装载至语义识别模型，语义识别模型提取关键字“转账”、“丁某”、“三十元” ，对应意图“TRANSFER”、人名以及金额,即可识别出来客户需要给丁扬转账30元，当该条转账的操作可以成功完成即测试通过。

文章插图

当导航和转账的自造数据通过批量运行脚本都成功加载至语音识别模型和语义识别模型，并在语音识别模型得到了相应的字准率和句准率，且两个准确率均能达到99%以上的时候，我们可以判定语音识别是成功的，同理，在语义识别模型里，得到的词准率也能达到99%以上的时候，语义识别也是成功的。通过字准率，句准率，词准率，我们可以认为该语音语义识别模型的效果是符合业界标准的，同时也达到了测试通过准则。