智能家電語音識別關鍵技術測試比對研究

潘 勇 徐 靜 王衍營 趙 毅 尹江梅

（山東省產品質量檢驗研究院 濟南 250102）

引言

近年，智能家電逐漸成為消費者購買或置換的首選產品，其最具吸引力的賣點是語音識別。與智能家電產品的火熱相比較，家電智能化評價標準[1]、評價方案的缺失或片面導致有效的語音識別測試技術和方案難以跟上智能家電產品推陳出新的節奏，致使生產企業、檢驗機構無法對智能家電語音識別功能進行準確的評測[2]，消費者的語音識別使用體驗也大打折扣。

在此情景下，配套的、有效的、全面的語音識別測試關鍵技術研究顯得尤為重要。科學合理的語音識別評測才能為企業生產的產品質量提升保駕護航，才能為檢驗機構提供準確有效的評測手段，才能確保用戶在使用智能家電過程中良好體驗感。因此，開展智能家電語音識別測試關鍵技術研究，保證智能家電行業生態的有序健康發展，服務社會民生，具有重要的現實意義。

1 語音識別測試關鍵技術分析

1.1 情景模擬環境要求

喚醒率和交互成功率是智能家電語音識別的關鍵指標。考慮到智能家電實際應用場景，語音識別喚醒率和識別準確率分別在安靜和噪音兩種場景下進行測試。安靜場景是指智能家電所在場所環境噪音低于35 dB；噪音場所是指智能家電所在場所環境模擬噪音在55～65 dB[3]。測試用環境模擬噪音主要采用家居環境噪音錄制或者白噪音，家居環境噪音錄制場景設置見表1。

表1 家居環境噪音錄制場景設置

誤喚醒噪音來源主要是電視，包括電視機、綜藝節目、新聞節目、訪談節目、音樂、相聲等，直接通過聲源播放。居住場所噪聲最高不超過60 dB，噪聲聲壓級范圍取30～60 dB，平均分為3 個范圍:30～40 dB，40～50 dB 和50～60 dB，在保證信噪比至少達到10 dB的前提下，得到如表2所示對應的3 個指令聲源聲壓級范圍。

表2 指令聲源聲壓級范圍

1.2 語音識別測試點布局及要求

智能家電語音識別測試系統由人工嘴[4]、音響、功放、全自動智能巡航設備、聲級計、秒表組成，其中，人工嘴、音響、功放、全自動智能巡航設備統稱為語音播放設備。調節音響和人工嘴音量使其單獨發聲時符合聲級計在不同信噪比、距離達到的識別率時測出的分貝值。用人工嘴依次播放集成了標準普通話或帶口音的普通話等測試語音指令集[5]，人工記錄或者自動記錄被測試智能家電產品語音識別結果。智能家電語音識別測試整體布局應按照智能家電產品實際使用時的狀態、方位進行擺放。與大多數普通家庭將帶有語音交互功能的智能家電產品如冰箱、電視機等靠墻放置方位一致，語音播放設備、聲級計和待測智能家電位于同一平面處。語音播放設備與待測智能家電語音模塊的麥克風距離≥1.5 m。聲級計與待測智能家電語音模塊麥克風盡量靠近，即兩者之間距離≤50 mm，不能碰到待測智能家電的外殼，且聲級計距其最近反射面包括地面至少1 m。特殊放置的智能家電則按照實際使用場景布局放置。語音播放設備在規定的測試點位播放測試語音集，分別在安靜環境和噪音播放環境下進行語音識別測試。智能家電語音識別測試布局如圖1所示。

圖1 智能家電語音識別測試布局圖

測試點平面布局分為近場測試和遠場測試[6]。近場測試為分別包含7 個均勻分布測試點半徑為1 m 和2 m的半圓；遠場測試為包含7 個均勻分布測試點半徑為3 m 的半圓及分別包含4 個均勻分布測試點半徑為4 m和5 m 的四分之一圓；測試點高度按照中國人平均身高統計數據分為三檔:1 400 mm、1 600 mm 和1 800 mm。近場測試和遠場測試定位點圖見圖2。將圖2中的29個平面測試點與3 個高度測試點組合，共計測試點97個。

圖2 近場測試和遠場測試定位點圖

1.3 語音識別測試關鍵指標分析

智能家電語音識別測試關鍵指標主要為喚醒率和交互成功率[7]。喚醒率測試分別在安靜場景和噪音場景下進行測試。調節聲壓級使播放聲音滿足表2要求，以97 個測試點，每點測試20 次，合計1 940 次，分別對兩種場景下的喚醒率和交互成功率進行測試，各場景的總喚醒/總交互成功率為成功喚醒/交互的次數1 940×100 %，同時記錄1 940 次喚醒率和交互成功率測試智能家電的平均響應時間。其中噪音場景下的噪音類型為電視劇4 h、綜藝節目4 h、新聞節目4 h、訪談節目4 h、音樂4 h、相聲4 h，測試時間合計24 h。按照團體標準T/CAB7700-2020《智能家電物聯網性能測試方法第3 部分：語音識別》喚醒率的應不低于90 %，響應時間應小于2 s；交互成功率不低于80 %，響應時間應小于3 s。

2 語音識別測試結果分析

智能家電語音識別喚醒率和交互成功率測試是在山東省產品質量檢驗研究院智能家電實驗室完成。實驗室有線網絡配置為上行傳輸速率大于1 Mbps，下行傳輸速率大于10 Mbps，無線網絡的信號強度范圍是（-40～70）dBm。智能家電選型為智慧屏、掃地機器人、飲水機、蒸烤箱和電冰箱。

2.1 語音識別喚醒成功率測試比對分析

喚醒率測試的環境包括麥克風處環境噪音35 dB 以下的安靜環境和麥克風處環境噪音（55～65）dB 以下的噪音環境。在安靜環境和噪聲環境中，按照點位經語音播放設備播放喚醒詞如“小度小度”以喚醒智能家電來測試其喚醒成功率和響應時間。智能家電語音識別喚醒率比對曲線圖如圖3所示。

圖3 智能家電語音識別喚醒率比對曲線圖

從圖3可知，在安靜環境下，智能家電的喚醒率較高，其中，所測智能家電的近場平均喚醒率為100 %；智慧屏、飲水機、電冰箱的遠場平均喚醒率為100 %，電烤箱的遠場平均喚醒率超過90 %，掃地機器人的遠場平均喚醒率稍差但也超過80 %。在噪聲環境下，所測智能家電近場的喚醒率為100 %，其中，蒸烤箱和電冰箱的遠場平均喚醒率超過90 %，智慧屏和掃地機器人的遠場平均喚醒率為100 %，飲水機的遠場喚醒率不足80 %。所測智能家電在近場和遠場二種狀態下的整體平均喚醒率都能在90 %以上，整體來看，掃地機器人和飲水機產品遠場喚醒率不符合T/CAB7700-2020 的要求。所測智能家電近場喚醒率高的原因在于語音喚醒詞聲壓遠遠超過噪聲聲壓，被測智能家電能夠清晰的接收到喚醒詞，完成喚醒；測試隨著距離的增加到達遠場測試，語音指令的衰減導致智能家電接收到喚醒詞強度減弱，造成喚醒率測試都沒有達到100 %。

2.2 語音識別交互成功率測試比對分析

與喚醒率測試環境要求類似，交互成功率測試環境包括麥克風處環境噪音35 dB 以下的安靜環境和麥克風處環境噪音55 ～65 dB 以下的噪音環境。在安靜環境和噪聲環境中，按照點位經語音播放設備播放指令如“請將冰箱溫度設置為-20 ℃”以發送指令的方式來控制智能家電完成相應設置來測試其交互成功率和響應時間。智能家電語音識別交互成功率比對曲線圖如圖4所示。

從圖4可知，在安靜環境下，所測智能家電語音識別整體平均交互成功率超過85 %。近場指令聲壓級相對環境噪聲高約25 dB，掩蔽效應明顯，噪音對語音播放指令干擾影響較小，被測智能家電能夠準確識別和執行操作指令語句，五款被測智能家電的近場平均交互成功率都在90 %以上。隨著距離的增加，在遠場條件下智能家電對指令的識別率下降，智慧屏平均交互成功率超過95 %，電冰箱平均交互成功率90 %，掃地機器人、飲水機、蒸烤箱的平均交互成功率略高于80 %。在噪聲環境下，所測智能家電語音識別整體平均交互成功率僅智慧屏可達到80 %以上。五款被測智能家電的近場平均交互成功率都在80 %以上。智能家電語音識別響應能力受到環境噪聲和距離的雙重影響，導致遠場下的智能家電平均交互成功率較低均不足80 %，最低不足50 %，嚴重影響用戶使用體驗。整體來看，在安靜環境下，被測五款智能家電都符合T/CAB7700-2020 的要求；在噪聲環境下，被測五款智能家電都不符合T/CAB7700-2020的要求。

圖4 智能家電語音識別交互成功率比對曲線圖

2.3 語音識別喚醒與交互響應時間測試比對分析

語音識別喚醒與交互響應時間測試選取的是標準普通話語音喚醒詞和指令。在播放語音喚醒詞和指令后開始計時，等智能家電開始響應時停止計時，讀取時間以此獲取喚醒響應時間和交互響應時間。智能家電語音識別喚醒與交互響應時間比對曲線圖如圖5所示。

從圖5可知，在安靜環境下，所測五款智能家電語音識別喚醒平均響應時間小于1 s，交互平均響應時間小于2.5 s；在噪聲環境下，所測五款智能家電語音識別喚醒平均響應時間小于1.5 s，交互平均響應時間小于3s，兩種環境下的測試響應時間都符合《智能家電物聯網性能測試方法第3 部分：語音識別》標準的指標要求。整體而言，安靜環境下的響應時間較噪聲環境下的響應時間要短，也就是說，安靜環境下智能家電的喚醒和交互響應更順暢。

圖5 智能家電語音識別喚醒與交互響應時間比對曲線圖

3 結論

半導體行業的快速發展造就了智能家電產品的推陳出新。語音識別功能是智能家電智能化最重要的指標之一。現階段，國標層面GB/T 28219-2018《智能家用電器通用技術要求》支撐智能家電行業的發展,其只對智能家電提出應具備語音識別功能，卻未明確如何進行測試，僅能依據團體標準T/CAB7700-2020《智能家電物聯網性能測試方法 第3 部分：語音識別》對智能家電語音識別功能進行測試評價。從測試結果來看，智能家電在安靜環境下的指標基本能達到T/CAB7700的要求，在噪聲環境下的指標較差，這就需要在今后的研究測評工作中緊跟市場需求，對于國內外智能家電產品及時展開跟蹤調研，從產品的層面明確其語音技術指標和測評方法，同時推進檢驗平臺的建設，推動相應測試方法標準的落地，保障智能家電行業生態的有序健康發展，服務社會民生。