智能音箱语音测试集构建示例.pdfVIP

XX/TXXXXX—XXXX AA 附 录 A （资料性） 语音测试集构建示例 A.1输入要求 智能音箱在语音交互过程中的输入应满足以下要求： a) 应支持中文普通话输入，宜支持英语； b) 可处理语音输入为（180 ～300）字/分的语速，单次语音输入时长不应超过30 s，特殊情 况下不应超过60 s； c) 发音单元的持续时间应不小于0.2 s，发音单元间的间隔不超过2 s；若停顿时间超过2 s， 则认为一次语音输入结束。 A.2 测试集构建方法 从噪声、回声、人声，空间、待测设备这几个维度组合构建语音唤醒测试集和语音误唤醒测试集， 尽量覆盖各种声学场景，模拟用户真实使用环境。 语音唤醒测试集通过专业录音传声器在安静环境下组织录制人员录制待测设备的唤醒词。参与录制 的人员，需考虑性别、口音、年龄等维度。 误唤醒测试集的构成，主要考虑实际应用场景中引起待测设备误唤醒的噪声来源。例如，家居环境 下音箱的误唤醒主要来源于电视、人声谈话等，所以此时选择的误唤醒语料，每24小时包含6小时电视 节目，6小时新闻节目，6小时人声对话（可选择谈话节目模拟），6小时音乐播放。 表A.1 测试集构建方法示例 维度 类别 具体类别 平稳噪声（家居环境噪声等） 非平稳噪声（电视噪声等） 噪声来源 交通工具 自然声音 其他 点声源干扰 噪声类型 散射噪声 噪声 0.3m 1m 到待测设备距离 3m 5m 与待测设备角度 0°、45°、90°、180°、其他 原始 信噪比 (-5～15)dB,步长5dB 内容类型 音乐、有声节目、听声音Skill、TTS等 回声 信回比 原始 12 XX/TXXXXX—XXXX 表A.1 测试集构建方法示例（续） (-35～0)dB，步长5dB 马路 空间类型 家居 办公 待测空间 T60 =（300±30）ms 待测空间混响（500Hz） T60 =（500±30）ms