ASR（语音辨认）评测学习

一、引言

小编新接触语音SDK项目，SDK无UI、底层调用多个C++算法库、提供的是AI效劳。语音AI项目，辨认效果是至关重要的一环， 辨认效果评测也是一项测试重点。 为了制定一个专业、全面的效果评测的计划，小编学习了相关学问，对计划制定有了初步思绪。希望对测试小同伴有所辅佐~~(●—●)

二、ASR流程、系统结构、评测指标及评测模型

语音辨认，也被称自动语音辨认，所要处置的问题是让机器能够“听懂”人类的语音，将语音中包含的文字信息“提取”出来，相当于给机器装置上“耳朵”，使其具备“能听”的功用。

3、ASR评测模型

评测模型，各家评测模型异曲同工。下图参考为例：

首先要有测试的数据集，测试的数据集也是有一段音频和标注。标注的就是标注音频内容，说的是什么。留意：评测的数据集和锻炼的数据集是严厉隔离的。

(1). WER 字错误率

公式为：

N——单词数目（标注中含有字数总和）

结果比较示例：

(2). SER句错误率

其计算公式如下所示：

三、ASR评测影响要素

影响到精确率的要素逐步增加，其中主要要素有以下几种：

上述四项中，前三项与声学模型相关，第四项与言语模型有关。

(1). 声音来源（人声 录音声 广播声 耳机 麦克风 单/双通道/平面声）

(2). 语种分类（普通话 方言 英语 小语种 混合言语）

(3). 语音内容/范畴（日常话语 非日常话语）【不同行业 不同场景】

(4). 音色（男音 女音）【不同年龄段的男/女音：儿童 少年 中年 老年】

(5). 环境（室内 室外 公共场所 宁静 喧哗 回音）

(6). 音量（分贝值大 小 时大时小）

(7). 语音方式（哼唱 断断续续 正常说话 咬字不清）

(8). 语速（快 中等 慢 时快时慢）

(9). 录入语音时长（0秒 1秒 1分钟内 >1分钟）

(10).对话方式（距离 连续 单人 多人）

(11).特殊发音（好比普通话中sh与s ping与pin l与n f与h）

四、ASR评测计划制定

评测计划细致设计流程

(1). 了解业务逻辑、完成流程，和针对细致评测项目的主流措施；

(2). 设计专项评测计划；

(3). 组内依据计划设计文档中止讨论、弥补；与相关项目组成员组会沟通，确保一切内容的认知达成分歧，且对评测计划认可经过；

(4). 完成专项评测计划，并撰写评测讲演；

(5). 依据需求变更或者版本变更定期更新维护专项评测。

1、ASR评测计划设计——肯定测试场景（简单举例）

思索评测的各种影响要素，需求先肯定某些维度（下例），制定一个测试场景评测：

肯定：语种分类（普通话）、声音来源（人声录音）、对话方式（单人）、语音内容（日常话语）、音色（青年女音）、语音方式（正常说话）、语速（中等）、录入语音时长（2分钟）

距离 声源和麦克风之间的距离

角度 声源和麦克风之间的角度

中等语速 每分钟字数大约150左右

2、ASR评测计划设计——肯定测试规范（简单举例）

3、ASR评测计划设计——制备输语料、选取数据集

目前现状：标注数据集，数量有限，扩展、更新慢；

评测集拓展：新的语料来源：自己录制；调研用户top N的数据内容类型；搜集频的badcase；

4、ASR评测计划执行——过程设计

小编所在项目的ASR评测需求基于语音SDK中止，细致执行计划还在修订，遇到的问题和处置计划，小编在理论总结后再总结分享~~

注：参考

MTSC2019