测试介绍

本脚本主要是用做测试【语音助手或智能家居】的【识别和唤醒】功能
语音数据存储形式：由多个嵌套文件夹组成，如【唤醒文件夹】——>【青年人文件夹】——>音频，所以会多一个搜索音频文件的方法

代码流程：

文件夹下的音频文件搜索
播放音频文件
读取log日志
比对结果
输出保存

写的逻辑比较乱，水平有限，见谅

通过serial库调用串口实现测试

唤醒测试

# coding=utf-8
import re
import os
import serial
import serial.tools.list_ports
import time
import pandas as pd
import pyaudio
import wave# -------------播放-------------
def play_audio(audio_path):CHUNK = 1024wf = wave.open(audio_path,mode='rb')p = pyaudio.PyAudio()steam = p.open(format=p.get_format_from_width(wf.getsampwidth()),channels=wf.getnchannels(),rate=wf.getframerate(),output=True)data = wf.readframes(CHUNK)while data != b'':steam.write(data)data = wf.readframes(CHUNK)steam.stop_stream()steam.close()p.terminate()# ---------搜索文件夹-----------
def search_files(path,all_files = []):filename_list = os.listdir(path)for filename in filename_list:cur_path = os.path.join(path,filename)if os.path.isdir(cur_path):search_files(cur_path,all_files)else:cur_path_tr = cur_path.replace(' ','_')os.rename(cur_path,cur_path_tr)all_files.append(cur_path)return all_files#-----------串口日志捕获，并打印---------------
def catch_output(com):#从串口中读取每一行日志信息lines = com.readlines()line = [line.decode('utf-8').strip() for line in lines]return line# 输入，打印输出并保存
def send_out_cmd(com,path,save_path,test_num):# 获取文件夹下所有音频路径all_files = search_files(path)count = 0   #计数：NO.df = pd.DataFrame(columns=['audio','txt','result_txt']) #保存格式：音频，预期结果，真正结果correct = []    # 储存结果：正确1，无识别0，错误识别或串扰-1，# 播放每一条音频，并获取结果for audio_path in all_files:count += 1#--------------唤醒音频----------------play_audio(audio_path) #播放time.sleep(2)data = catch_output(com) #打印日志#---------------提取结果---------------audio = audio_path.split('\\')[-1]  #音频名txt = audio_path.split('\\')[-2]    #预期结果，从上一级文件夹查找# 当没有读取到日志文件中的信息时if len(data) == 0:result_txt = 'nan'print(f"NO.{count}: {audio}")print(f"expected: {txt}")print(f"actual: {result_txt}")correct.append(0)print("result: False\n")df = pd.concat([df,pd.DataFrame([[audio,txt,result_txt]],columns=['audio','txt','result_txt'])],ignore_index=True)# 日志中有一个或多个时for d in data:result_txt = re.findall(r'\[TXT\]: (.*?), \[KID\]', str(d))[0]  #提取结果print(f"NO.{count}: {audio}")print(f"expected: {txt}")print(f"actual: {result_txt}")# 判断结果是否正确，并保存到correct中if result_txt.strip() == txt:correct.append(1)print("result: True\n")else:correct.append(-1)print("result: error\n")# 将此条结果保存df = pd.concat([df,pd.DataFrame([[audio,txt,result_txt]],columns=['audio','txt','result_txt'])],ignore_index=True)df['correct'] = correctdf.to_excel(save_path)# 控制测试数量if count==test_num:break# 判断结果保存df['correct'] = correct#结果统计desc_result(df,correct)df.to_excel(save_path)#--------------结果统计------------------
def desc_result(df,correct):print(f"唤醒总数：{len(df)} 唤醒正确数：{correct.count(1)} 准确率：{round(float(correct.count(1) / (len(df))) * 100, 2)}%")print(f"串扰率：{round(float(correct.count(-1) / (len(df))) * 100, 2)}% 拒识率：{round(float(correct.count(0) / (len(df))) * 100, 2)}%")# -------------检查可用串口-------------
def search_port():# 读取可用串口列表port_list = list(serial.tools.list_ports.comports())# 打印结果if len(port_list) == 0:print('无可用串口')else:for i in range(0,len(port_list)):print(port_list[i])if __name__ == '__main__':search_port()# 链接串口com = serial.Serial(port='COM4', baudrate=115200, timeout=2)# 向串口发送信息并打印path = r'C:\Users\bwli14\Desktop\**'save_path = r'C:\Users\bwli14\Desktop\result.xlsx'  #保存路径test_num = 5    #测试数量send_out_cmd(com,path,save_path,test_num)print('结束...')input('Press Enter to exit...')

识别测试

# coding=utf-8
import re
import os
import serial
import time
import pandas as pd
import serial.tools.list_ports
import pyaudio
import wave# -------------播放-------------
def play_audio(audio_path):CHUNK = 1024wf = wave.open(audio_path,mode='rb')p = pyaudio.PyAudio()steam = p.open(format=p.get_format_from_width(wf.getsampwidth()),channels=wf.getnchannels(),rate=wf.getframerate(),output=True)data = wf.readframes(CHUNK)while data != b'':steam.write(data)data = wf.readframes(CHUNK)steam.stop_stream()steam.close()p.terminate()# ---------搜索文件夹-----------
def search_files(path,all_files = []):filename_list = os.listdir(path)for filename in filename_list:cur_path = os.path.join(path,filename)if os.path.isdir(cur_path):search_files(cur_path,all_files)else:cur_path_tr = cur_path.replace(' ','_')os.rename(cur_path,cur_path_tr)all_files.append(cur_path)return all_files#-----------串口日志捕获，并打印---------------
def catch_output(com):#从串口中读取每一行日志信息lines = com.readlines()line = [line.decode('utf-8').strip() for line in lines]return line# 输入，打印输出并保存
def send_out_cmd(com,dist_path,awa_path,save_path,test_num):# 获取文件夹下所有音频路径all_files = search_files(dist_path)count = 0  # 计数：NO.df = pd.DataFrame(columns=['audio', 'txt', 'result_txt'])  # 保存格式：音频，预期结果，真正结果correct = []  # 储存结果：正确1，无识别0，错误识别或串扰-1# 播放每一条音频，并获取结果for audio_path in all_files:count += 1#--唤醒语音--huanxing_start(com,awa_path)#--------------识别音频----------------play_audio(audio_path)  # 播放time.sleep(2)data = catch_output(com)  # --打印日志--# 提取结果audio = audio_path.split('\\')[-1]  # 音频名txt = audio_path.split('\\')[-2]  # 预期结果，从上一级文件夹查找# 当没有读取到日志文件中的信息时if len(data) == 0:result_txt = 'nan'print(f"NO.{count}: {audio}")print(f"expected: {txt}")print(f"actual: {result_txt}")correct.append(0)print("result: False\n")df = pd.concat([df,pd.DataFrame([[audio,txt,result_txt]],columns=['audio','txt','result_txt'])],ignore_index=True)# 日志中有一个或多个时for d in data:result_txt = re.findall(r'\[TXT\]: (.*?), \[KID\]', str(d))[0]print(f"NO.{count}: {audio}")print(f"expected: {txt}")print(f"actual: {result_txt}")# 判断结果是否正确，并保存到correct中if result_txt.strip() == txt:correct.append(1)print("result: True\n")else:correct.append(-1)print("result: error\n")# 将此条结果保存df = pd.concat([df,pd.DataFrame([[audio,txt,result_txt]],columns=['audio','txt','result_txt'])],ignore_index=True)df['correct'] = correctdf.to_excel(save_path)# 控制测试数量if count==test_num:break# 判断结果保存df['correct'] = correct#------------结果统计--------------desc_result(df,correct)df.to_excel(save_path)#--------------结果统计------------------
def desc_result(df,correct):print(f"句总数：{len(df)} 句正确数：{correct.count(1)} 准确率：{round(float(correct.count(1) / (len(df))) * 100, 2)}%")print(f"串扰率：{round(float(correct.count(-1) / (len(df))) * 100, 2)}% 拒识率：{round(float(correct.count(0) / (len(df))) * 100, 2)}%")# ---------唤醒音频-----------
def huanxing_start(com,awa_path):# 播放唤醒音频，直到唤醒成功while True:play_audio(awa_path)time.sleep(1)s = catch_output(com)try:result_txt = re.findall(r'\[TXT\]: (.*?), \[KID\]', str(s))[0]except IndexError:continueif result_txt == '摩根摩根':print('唤醒成功')break# -------------检查可用串口-------------
def search_port():# 读取可用串口列表port_list = list(serial.tools.list_ports.comports())# 打印结果if len(port_list) == 0:print('无可用串口')else:for i in range(0,len(port_list)):print(port_list[i])if __name__ == '__main__':search_port()com = serial.Serial(port='COM4', baudrate=115200, timeout=2)dist_path = r'C:\Users\bwli14\Desktop\***'  #识别音频路径awa_path = r'C:\Users\bwli14\Desktop\**\**.wav'    #唤醒音频save_path = r'C:\Users\bwli14\Desktop\result.xlsx'  #保存路径test_num = 5    #测试数量send_out_cmd(com,dist_path,awa_path,save_path,test_num)print('结束...')input('Press Enter to exit...')

通过adb命令保存到日志，再读取实现测试

唤醒测试

# coding=utf-8
import os
import re
import subprocess
import time
import waveimport pandas as pd
import pyaudio
from loguru import logger#-------------播放-------------
def play_audio(audio_path):CHUNK = 1024wf = wave.open(audio_path,mode='rb')p = pyaudio.PyAudio()steam = p.open(format=p.get_format_from_width(wf.getsampwidth()),channels=wf.getnchannels(),rate=wf.getframerate(),output=True)data = wf.readframes(CHUNK)while data != b'':steam.write(data)data = wf.readframes(CHUNK)steam.stop_stream()steam.close()p.terminate()#---------搜索文件夹-----------
def search_files(path,all_files = []):filename_list = os.listdir(path)for filename in filename_list:cur_path = os.path.join(path,filename)if os.path.isdir(cur_path):search_files(cur_path,all_files)else:cur_path_tr = cur_path.replace(' ','_')os.rename(cur_path,cur_path_tr)all_files.append(cur_path)return all_files#---------adb命令输入到cmd----------
def system_shell(shl):os.system(shl)#----------读取日志信息并返回-------------
def read_logs():fo = open(r"C:\Users\bwli14\Desktop\**\**.log", "rb") # 一定要用'rb'因为seek 是以bytes来计算的# print ("文件名为: ", fo.name)global start_point #使用全局变量，让start_point 时刻保持在已经输出过的那个字节位fo.seek(start_point, 1)#移动文件读取指针到指定位置lines = fo.readlines()log = ''for line in lines:try:log = log + ''.join(line.decode('utf-8'))except UnicodeDecodeError:continue# print ("读取的数据为:" + str(log))#输出后的指针位置赋值给start_piontstart_point=fo.tell()fo.close()return log#-----正则提取-------
def re_extract(log):if re.findall('ci_wakeup',log):return Trueelse:return False#-----结果描述统计-------
def desc_result(df):print(f"唤醒总数：{len(df)} 唤醒正确数：{len(df[df['result']==True])}")print(f"准确率：{round(float(len(df[df['result']==True]) / (len(df))) * 100, 2)}% 拒识率：{round(float(len(df[df['result']==False])/ (len(df))) * 100, 2)}%")if __name__ == '__main__':start_point=0   #文件指针，不可修改shl = 'adb pull /sdcard/***/***.log C:\\Users\\bwli14\\Desktop\\**'   #adb pull命令path = r'C:\Users\bwli14\Desktop\*******' #语料地址save_path = r'C:\Users\bwli14\Desktop\***.xlsx'   #保存路径expected = 'ci_wakeup' #期望值test_num = 5    #测试数量wait_time = 2   #未响应时的等待时间all_files = search_files(path)  #搜索全部语料地址read_logs() #初始化log，使其在最新内容开始位置df = pd.DataFrame(columns=['audio','result','expected','actual','play_aftertime','response_time'])count = 0for audio_path in all_files:count+=1play_audio(audio_path)  #播放音频time.sleep(1)   #等待响应#记录播放的时间和本地时间start = time.perf_counter()play_aftertime = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())#判断是否响应while True:system_shell(shl)   #输入adb命令log = read_logs()   #读取log最新内容#记录响应的时间和本地时间end = time.perf_counter()response_time = time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())#判读是否唤醒if re_extract(log)==True:break#判断等待时间是否超时if round(end-start,2)>=wait_time-1:response_time = 0break# system_shell(shl)# log = read_logs()result = re_extract(log)    #获取唤醒结果audio_name = audio_path.split('\\')[-1] #音频名#获取真实结果if result:actual = expectedelse:actual = ''#保存new_df = pd.DataFrame([[audio_name,result,expected,actual,play_aftertime,response_time]],columns=['audio','result','expected','actual','play_aftertime','response_time'])df = pd.concat([df,new_df],ignore_index=True)df.to_excel(save_path)print(f"NO.{count}:{audio_name}")print(f'expected：{expected} \nactual：{actual}')print(f"result: {result}\n")if count == test_num:breakdesc_result(df)

识别测试

识别测试根据上面的自行总结出来，这里就做个练习。

语音测试，串口和adb相关推荐

Android终端测试-常用的ADB命令
作为一个终端测试来说,adb命令绝对是必备且常用的工具,不管是使用adb工具来抓取设备日志还是操作设备,都是比较方便的. 下面命令是在某信工作几年中经常用的的adb命令,主要用来操作TV端(Andro ...
语音mos测试软件,Pilot Pioneer3.6软件MOS语音测试简易指导书.doc
- PAGE 2 - Pilot Pioneer3.6软件MOS语音测试简易指导书 (前台部分) 张新 2008年12月17日 TOC \o "1-3" \h \z \u 一.设备 ...
Android App压力测试(Monkey和ADB)
压力测试简介压力测试是一种基本的质量保证行为,它是每个重要软件测试工作的一部分.压力测试的基本思路很简单:不是在常规条件下运行手动或自动测试,而是在计算机数量较少或系统资源匮乏的条件下运行测试.通常 ...
android modem开发（16）---MTK语音测试
场地测试:语音测试一.Speech 测试 1.测试机与固定电话进行拨打,二者处于不同空间,避免二者的Uplink&DL声音都是一样; 2.对比机与测试机处于同一个环境,之间建议相隔几米,同时 ...
【第3篇】人工智能（AI）语音测试原理和实践
第1章第2节人工智能简介本章首先介绍语音的基本概念及语音的产生原理,然后介绍什么是人工智能语音.人工智能语音交互和人工智能语音测试,最后阐述人工智能语音测试的目的和意义,引领大家走入人工智能语音测 ...
CDS软件语音测试,cds测试软件
这是cds测试软件,适用于FDDLTE测试使用CDS 软件连接终端,两HTC-M8终端在连接CDS软件语音测试时,任一HTC-M8呼叫被保持后出. 软件介绍 cds测试软件适用于FDDLTE测试使 ...
【第5篇】人工智能（AI）语音测试原理和实践
第1章第4节 AI语音测试简介本章首先介绍语音的基本概念及语音的产生原理,然后介绍什么是人工智能语音.人工智能语音交互和人工智能语音测试,最后阐述人工智能语音测试的目的和意义,引领大家走入人工智能语 ...
【第1篇】人工智能（AI）语音测试原理和实践
第1章第1节人工智能语音测试介绍本章首先介绍语音的基本概念及语音的产生原理,然后介绍什么是人工智能语音.人工智能语音交互和人工智能语音测试,最后阐述人工智能语音测试的目的和意义,引领大家走入人 ...
AISHELL-2021E-EVAL 法律庭审场景语音测试数据集
法律庭审场景语音测试数据集语音识别实验评测 Speech Recognition Evaluation DATA Information Total Time 1 Hours Sampling R ...
智能座舱测试——数据驱动开发的语音测试方案
数据驱动开发的语音测试方案背景面向对象数据准备技术需求测试任务测试基础设施附录背景本文章只涉及思路,不涉及具体技术实现不知不觉已经做语音云端测试已经有段日子了,从刚开始关注语音识别 ...

语音测试，串口和adb

目录

测试介绍

通过serial库调用串口实现测试

唤醒测试

识别测试

通过adb命令保存到日志，再读取实现测试

唤醒测试

识别测试

语音测试，串口和adb相关推荐

最新文章

热门文章