CN105791602A - 音质测试方法及系统 - Google Patents

Abstract

IVR语音与人工语音并存的功能，用户发送语音通道建立请求后，服务器侧(如：传统的PSTN服务器)push首段IVR语音，然后根据用户的操作进行不同状态机的切换从而push不同的IVR语音包；当用户选择人工语音时，服务器进行语音功能切换，传递给接收方不同的语音包。本发明提供的测试方法是在IVR语音和人工语音并存的功能下，兼顾到IVR状态机切换和IVR与人工语音功能切换对于语音的影响，在状态机切换和功能切换的过程中获取到接收到的语音，处理分离出不同状态下的语音，形成多份音频文件，分别与对应的发送音进行对比获取相应语音的MOS值。

Description

音质测试方法及系统

技术领域

本发明属于音质测试技术领域，尤其涉及一种音质测试方法及系统。

背景技术

MOS(MeanOpinionScore，平均意见分)是广泛认同的语音质量标准，因此无论采用何种方法进行音频质量度量，测量结果都必须对应到最终的MOS分，最终以MOS值表示音频质量的好坏。所谓的客观MOS值评价方法即通过客观的硬件或者软件来获得对应的MOS分数，以度量音频质量优劣。

目前普遍所用的客观MOS法即PESQ(PerceptualEvaluationofSpeechQuality)是ITU国际标准中一个最新话音评估算法(ITU-TP.862)。目前根据这个算法，已经生产出相应的硬件系统，比如MaldenElectronics公司的DSLA仪器，以及简单的软件工具PESQ。前者使用物理的方法估算音频质量，后者则采用了软件分析方法对音频文件进行质量分析。硬件或者软件方法都会得到一个PESQ分数，这个分数对应于MOS分值。

PESQ算法基本原理为：将参考信号和失真信号的电平调整到标准听觉电平，再采用输入滤波器模拟标准电话听筒进行滤波，然后将两个信号进行时间对齐并将对齐好的信号进行听觉转换，转换后的输入和输出信号差值称为干扰度，通过认知模型处理，最终得到PESQ分值。

然而，目前客观MOS值评价方法多采用硬件实现，实现成本高，对于测试频率相对较低的公司来讲，购买昂贵的硬件，性价比不高。而传统软件分析评价测试都是测试人工语音功能下的音频MOS值，功能和语音来源单一。

发明内容

本发明的目的在于提供一种音质测试方法及系统，旨在解决现有技术中测试成本高的技术问题。

为解决上述技术问题，本发明实施例提供以下技术方案：

一种音质测试方法，所述方法包括以下步骤：

服务器下发并保存第一发送音，所述第一发送音为IVR语音；

测试端接收并保存第一接收音，所述第一接收音对应所述第一发送音；

测试端判断所述第一接收音是否接收完成，若是，则通知服务器切换功能；

服务器接收功能切换的通知后下发并保存第二发送音，所述第二发送音为人工语音；

测试端接收并保存第二接收音，所述第二接收音对应所述第二发送音；

测试端对所述第一接收音和所述第二接收音进行处理并分别输出第一接收音语音文件和第二接收音语音文件，所述第一接收音语音文件对应所述第一接收音，所述第二接收音语音文件对应所述第二接收音；

服务器对所述第一发送音和所述第二发送音进行处理并分别输出第一发送音语音文件和第二发送音语音文件，并将所述第一发送音语音文件和所述第二发送音语音文件发送给所述测试端，所述第一发送音语音文件对应所述第一发送音，所述第二发送音语音文件对应所述第二发送音；

测试端通过PESQ软件将所述第一发送音语音文件与所述第一接收音语音文件，及所述第二发送音语音文件与所述第二接收音语音文件分别进行比较并输出MOS值。

一种音质测试系统，所述系统包括：测试端和服务器；

服务器包括：

推送模块：用于下发第一发送音及第二发送音，所述第一发送音为IVR语音，所述第二发送音为人工语音；

第一保存模块：用于保存第一发送音及第二发送音；

第一数据处理模块：对所述第一发送音和所述第二发送音进行处理并分别输出第一发送音语音文件和第二发送音语音文件，并将所述第一发送音语音文件和所述第二发送音语音文件发送给所述测试端，所述第一发送音语音文件对应所述第一发送音，所述第二发送音语音文件对应所述第二发送音；

测试端包括：

接收模块：用于接收第一接收音及第二接收音，所述第一接收音对应所述第一发送音，所述第二接收音对应所述第二发送音；

第二保存模块：用于保存第一接收音及第二接收音；

判断模块：用于判断所述第一接收音是否接收完成；

通知模块：用于若所述第一接收音接收完成，则通知服务器切换功能；

第二数据处理模块：用于对所述第一接收音和所述第二接收音进行处理并分别输出第一接收音语音文件和第二接收音语音文件，所述第一接收音语音文件对应所述第一接收音，所述第二接收音语音文件对应所述第二接收音；

测试模块：用于通过PESQ软件将所述第一发送音语音文件与所述第一接收音语音文件，及所述第二发送音语音文件与所述第二接收音语音文件分别进行比较并输出MOS值。

本实施例提供的音质测试方法和系统摒弃昂贵的硬件，采用PESQ软件作为音质分析工具，无工具成本。所用的PESQ软件分析方法是将参考信号(输入的音频文件)和受损信号(输出的音频文件)都分成较短的交迭样本块，计算每一块的傅立叶变换系数，并比较他们的系数。最后给出一个PESQ得分。而且，本实施例提供的音质测试方法和系统是在IVR语音和人工语音并存的功能下，处理分离出不同状态下的语音，形成多份音频文件，分别与对应的发送音进行对比获取相应语音的MOS值，使得音质测试结果的准确性得到明显的提高。

附图说明

图1是本发明第一实施例中音频测试方法的流程示意图；

图2为本发明第二实施例中音频测试方法的流程示意图；

图3是第二实施例中接收到的语音文件矢量图；

图4是本发明实施例中音频测试系统的模块结构示意图。

具体实施方式

请参照图式，其中相同的组件符号代表相同的组件，本发明的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本发明具体实施例，其不应被视为限制本发明未在此详述的其它具体实施例。

在以下的说明中，本发明的具体实施例将参考由一部或多部计算机所执行之作业的步骤及符号来说明，除非另有述明。因此，其将可了解到这些步骤及操作，其中有数次提到为由计算机执行，包括了由代表了以一结构化型式中的数据之电子信号的计算机处理单元所操纵。此操纵转换该数据或将其维持在该计算机之内存系统中的位置处，其可重新配置或另外以本领域技术人员所熟知的方式来改变该计算机之运作。该数据所维持的数据结构为该内存之实体位置，其具有由该数据格式所定义的特定特性。但是，本发明原理以上述文字来说明，其并不代表为一种限制，本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。

本发明的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行作业。所熟知适合用于本发明的运算系统、环境与组态的范例可包括(但不限于)行动电话、个人计算机、服务器、多处理器系统、微电脑为主的系统、主架构型计算机、及分布式运算环境，其中包括了任何的上述系统或装置。

如在此处使用的术语「模块」或「单元」可称之为在该运算系统上执行的软件对象或例式。在此处所述之不同组件、模块、引擎及服务可实施为在该运算系统上执行之对象或处理。而在此处所述的系统及方法优选地是实施成软件，在软件及硬件或硬件上之实施亦有可能并进行考虑。

请参阅图1，图1为本发明第一实施例中音质测试方法的流程示意图。所述方法包括如下步骤：

步骤S101，服务器下发并保存第一发送音，所述第一发送音为IVR语音。IVR(InteractiveVoiceResponse):即互动式语音应答，用户只须用电话即可进入服务中心，可以根据操作提示收听手机娱乐产品，同时，在互动过程中，服务中心也可以根据用户输入的内容播放有关的信息。所述服务器具体为IVR语音及人工语音接通服务器。

步骤S102，测试端接收并保存第一接收音，所述第一接收音对应所述第一发送音。

步骤S103，测试端判断所述第一接收音是否接收完成，若是，则通知服务器切换功能。

步骤S104，服务器接收功能切换的通知后下发并保存第二发送音，所述第二发送音为人工语音。

步骤S105，测试端接收并保存第二接收音，所述第二接收音对应所述第二发送音。

步骤S106，测试端对所述第一接收音和所述第二接收音进行处理并分别输出第一接收音语音文件和第二接收音语音文件，所述第一接收音语音文件对应所述第一接收音，所述第二接收音语音文件对应所述第二接收音。

步骤S107，服务器对所述第一发送音和所述第二发送音进行处理并分别输出第一发送音语音文件和第二发送音语音文件，并将所述第一发送音语音文件和所述第二发送音语音文件发送给所述测试端，所述第一发送音语音文件对应所述第一发送音，所述第二发送音语音文件对应所述第二发送音。

步骤S108，测试端通过PESQ软件将所述第一发送音语音文件与所述第一接收音语音文件，及所述第二发送音语音文件与所述第二接收音语音文件分别进行比较并输出MOS值。其中，所述PESQ软件及待测软件均安装于测试端。

本实施例提供的方法摒弃昂贵的硬件，采用PESQ软件作为音质分析工具，无工具成本。所用的PESQ软件分析方法是将参考信号(输入的音频文件)和受损信号(输出的音频文件)都分成较短的交迭样本块，计算每一块的傅立叶变换系数，并比较他们的系数。最后给出一个PESQ得分。而且，本发明提供的测试方法是在IVR语音和人工语音并存的功能下，处理分离出不同状态下的语音，形成多份音频文件，分别与对应的发送音进行对比获取相应语音的MOS值，使得音质测试结果的准确性得到明显的提高。

请参阅图2，图2为本发明第二实施例中音质测试方法的流程示意图。所述方法在上述第一实施例的基础上还包括如下步骤：

具体的，在步骤S103之后，还包括：

步骤S201，若是，则通知服务器切换状态机。

步骤S202，服务器接收状态机切换的通知后下发并保存第三发送音，所述第三发送音为IVR语音。

步骤S203，测试端接收并保存第三接收音，所述第三接收音对应所述第三发送音。

步骤S204，测试端对所述第三接收音进行处理并输出第三接收音语音文件，所述第三接收音语音文件对应所述第三接收音。

步骤S205，服务器对所述第三发送音进行处理并输出第三发送音语音文件，并将所述第三发送音语音文件发送给所述测试端，所述第三发送音语音文件对应所述第三发送音。

步骤S206，测试端通过PESQ软件将所述第三发送音语音文件与所述第三接收音语音文件进行比较并输出MOS值。具体的，语音文件处理完成后，进入PESQ软件处理模块。根据语音类型的不同，分别输入到PESQ软件进行处理，输出MOS值，并保存的PESQ结果文件。下表所示为PESQ软件处理完成后的部分输出结果：

REFERENCE	DEGRADED	PESQMOS	SAMPLE_FREQ
				send_fistpage.wav	receive_fistpage.wav	3.438	16000

请一并参阅图3，图3为接收到的语音文件矢量图。上述测试端处理所述第一接收音、第二接收音和第三接收音的方法均为：

通过声音波形长短和持续时间来判定当前是语音块还是空白区域；当声音波形小于预设阈值并且持续时间超过1s时，则认为当前区域为空白等待区域；当声音波形高于所述预设阈值且持续时间超过0.5s则认为当前区域为语音块；保存所述语音块而将所述空白待区域删除。具体的，通过声音波形长短和持续时间来判定当前是语音块还是空白区域，当声音波形小于某个接近0的阈值(如：0.01)并且持续时间超过1s时可以认为当前区域为空白等待区域，当声音波形高于该阈值且持续时间超过0.5s则认为当前区域为语音块，文件处理时保存语音块而将空白等待区域删除。根据该方法将接收到的语音文件处理成3个语音文件片：首页面语音块文件、状态机切换后的语音块文件、人工语音块文件。为了使PESQ软件可以处理，将语音文件转换成wav格式。

所述服务器处理所述第一发送音、第二发送音和第三发送音的方法均为：分别去除发送音首尾的空白区域。

另外，在步骤S101之前，所述第二实施例方法还包括：测试端启动被测软件并建立测试端与服务器之间的音频通道。

本实施例提供的方法摒弃昂贵的硬件，采用PESQ软件作为音质分析工具，无工具成本。所用的PESQ软件分析方法是将参考信号(输入的音频文件)和受损信号(输出的音频文件)都分成较短的交迭样本块，计算每一块的傅立叶变换系数，并比较他们的系数。最后给出一个PESQ得分。而且，本发明提供的测试方法是在IVR语音和人工语音并存的功能下，兼顾到IVR状态机切换和IVR与人工语音功能切换对于语音的影响，在状态机切换和功能切换的过程中获取到接收到的语音，处理分离出不同状态下的语音，形成多份音频文件，分别与对应的发送音进行对比获取相应语音的MOS值，使得音质测试结果的准确性得到明显的提高。

请参阅图4，图4为本发明第三实施例中应用上述音质测试方法的音质测试系统的模块结构示意图。所述系统包括：测试端10和服务器20。

服务器10包括：

推送模块11：用于下发第一发送音及第二发送音，所述第一发送音为IVR语音，所述第二发送音为人工语音。

第一保存模块12：用于保存第一发送音及第二发送音。

第一数据处理模块13：对所述第一发送音和所述第二发送音进行处理并分别输出第一发送音语音文件和第二发送音语音文件，并将所述第一发送音语音文件和所述第二发送音语音文件发送给所述测试端，所述第一发送音语音文件对应所述第一发送音，所述第二发送音语音文件对应所述第二发送音。

测试端20包括：

接收模块21：用于接收第一接收音及第二接收音，所述第一接收音对应所述第一发送音，所述第二接收音对应所述第二发送音。

第二保存模块22：用于保存第一接收音及第二接收音。

判断模块23：用于判断所述第一接收音是否接收完成。

通知模块24：用于若所述第一接收音接收完成，则通知服务器切换功能。

第二数据处理模块25：用于对所述第一接收音和所述第二接收音进行处理并分别输出第一接收音语音文件和第二接收音语音文件，所述第一接收音语音文件对应所述第一接收音，所述第二接收音语音文件对应所述第二接收音。

测试模块26：用于通过PESQ软件将所述第一发送音语音文件与所述第一接收音语音文件，及所述第二发送音语音文件与所述第二接收音语音文件分别进行比较并输出MOS值。

所述通知模块24还用于：在测试端判断所述第一接收音是否接收完成步骤之后，若是，则通知服务器切换状态机。

所述推送模块11还用于：接收状态机切换的通知后下发第三发送音，所述第三发送音为IVR语音。

所述第一保存模块12还用于：保存第三发送音。

所述接收模块21还用于：接收第三接收音，所述第三接收音对应所述第三发送音。

所述第二保存模块22还用于：保存所述第三接收音。

第二数据处理模块25还用于：对所述第三接收音进行处理并输出第三接收音语音文件，所述第三接收音语音文件对应所述第三接收音。

第一数据处理模块13还用于：对所述第三发送音进行处理并输出第三发送音语音文件，并将所述第三发送音语音文件发送给所述测试端，所述第三发送音语音文件对应所述第三发送音。

测试模块26还用于：通过PESQ软件将所述第三发送音语音文件与所述第三接收音语音文件进行比较并输出MOS值。

所述第二数据处理模块25还包括：

判定模块251，用于：通过声音波形长短和持续时间来判定当前是语音块还是空白区域；当声音波形小于预设阈值并且持续时间超过1s时，则认为当前区域为空白等待区域；当声音波形高于所述预设阈值且持续时间超过0.5s则认为当前区域为语音块。

所述第二保存模块22还用于保存所述语音块。

删除模块252，用于：将所述空白待区域删除。

所述第一数据处理模块13还包括剔除模块131，用于:去除发送音首尾的空白区域。

所述测试端还包括连接模块27，用于在服务器下发并保存第一发送音步骤之前，建立测试端与服务器之间的音频通道。

本实施例提供的音质测试系统摒弃昂贵的硬件，采用PESQ软件作为音质分析工具，无工具成本。所用的PESQ软件分析方法是将参考信号(输入的音频文件)和受损信号(输出的音频文件)都分成较短的交迭样本块，计算每一块的傅立叶变换系数，并比较他们的系数。最后给出一个PESQ得分。而且，本发明提供的音质测试系统是在IVR语音和人工语音并存的功能下，兼顾到IVR状态机切换和IVR与人工语音功能切换对于语音的影响，在状态机切换和功能切换的过程中获取到接收到的语音，处理分离出不同状态下的语音，形成多份音频文件，分别与对应的发送音进行对比获取相应语音的MOS值，使得音质测试结果的准确性得到明显的提高。

根据本发明的另一个实施例，可以通过在包括中央处理单元(CPU)、随机存取存储器(RAM)、只读存储器(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图1至图3中所示的应用于终端的多媒体信息显示方法的计算机程序(包括程序代码)，来构造如图4中所示的音质测试系统，以及来实现根据本发明的实施例的音质测试方法。所述计算机程序可以记载于例如计算机可读记录介质上，并通过计算机可读记录介质装载于上述计算设备中，并在其中运行。当所述计算机程序运行在计算机上时，所述程序代码执行所述的音质测试方法的各步骤。

综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。

Claims (10)

1.一种音质测试方法，其特征在于，所述方法包括以下步骤：

服务器下发并保存第一发送音，所述第一发送音为IVR语音；

测试端接收并保存第一接收音，所述第一接收音对应所述第一发送音；

测试端判断所述第一接收音是否接收完成，若是，则通知服务器切换功能；

服务器接收功能切换的通知后下发并保存第二发送音，所述第二发送音为人工语音；

测试端接收并保存第二接收音，所述第二接收音对应所述第二发送音；

测试端对所述第一接收音和所述第二接收音进行处理并分别输出第一接收音语音文件和第二接收音语音文件，所述第一接收音语音文件对应所述第一接收音，所述第二接收音语音文件对应所述第二接收音；

服务器对所述第一发送音和所述第二发送音进行处理并分别输出第一发送音语音文件和第二发送音语音文件，并将所述第一发送音语音文件和所述第二发送音语音文件发送给所述测试端，所述第一发送音语音文件对应所述第一发送音，所述第二发送音语音文件对应所述第二发送音；

测试端通过PESQ软件将所述第一发送音语音文件与所述第一接收音语音文件，及所述第二发送音语音文件与所述第二接收音语音文件分别进行比较并输出MOS值。

2.根据权利要求1所述的音质测试方法，其特征在于，所述测试端判断所述第一接收音是否接收完成步骤之后，还包括：

若是，则通知服务器切换状态机；

服务器接收状态机切换的通知后下发并保存第三发送音，所述第三发送音为IVR语音；

测试端接收并保存第三接收音，所述第三接收音对应所述第三发送音；

测试端对所述第三接收音进行处理并输出第三接收音语音文件，所述第三接收音语音文件对应所述第三接收音；

服务器对所述第三发送音进行处理并输出第三发送音语音文件，并将所述第三发送音语音文件发送给所述测试端，所述第三发送音语音文件对应所述第三发送音；

测试端通过PESQ软件将所述第三发送音语音文件与所述第三接收音语音文件进行比较并输出MOS值。

3.根据权利要求2所述的音质测试方法，其特征在于，所述测试端处理所述第一接收音、第二接收音和第三接收音的方法均为：

通过声音波形长短和持续时间来判定当前是语音块还是空白区域；

当声音波形小于预设阈值并且持续时间超过1s时，则认为当前区域为空白等待区域；

当声音波形高于所述预设阈值且持续时间超过0.5s则认为当前区域为语音块；

保存所述语音块而将所述空白待区域删除。

4.根据权利要求3所述的音质测试方法，其特征在于，所述服务器处理所述第一发送音、第二发送音和第三发送音的方法均为：分别去除发送音首尾的空白区域。

5.根据权利要求1所述的音质测试方法，其特征在于，在服务器下发并保存第一发送音步骤之前，还包括：测试端启动被测软件并建立测试端与服务器之间的音频通道。

6.一种音质测试系统，其特征在于，所述系统包括：测试端和服务器；

服务器包括：

推送模块：用于下发第一发送音及第二发送音，所述第一发送音为IVR语音，所述第二发送音为人工语音；

第一保存模块：用于保存第一发送音及第二发送音；

第一数据处理模块：对所述第一发送音和所述第二发送音进行处理并分别输出第一发送音语音文件和第二发送音语音文件，并将所述第一发送音语音文件和所述第二发送音语音文件发送给所述测试端，所述第一发送音语音文件对应所述第一发送音，所述第二发送音语音文件对应所述第二发送音；

测试端包括：

接收模块：用于接收第一接收音及第二接收音，所述第一接收音对应所述第一发送音，所述第二接收音对应所述第二发送音；

第二保存模块：用于保存第一接收音及第二接收音；

判断模块：用于判断所述第一接收音是否接收完成；

通知模块：用于若所述第一接收音接收完成，则通知服务器切换功能；

第二数据处理模块：用于对所述第一接收音和所述第二接收音进行处理并分别输出第一接收音语音文件和第二接收音语音文件，所述第一接收音语音文件对应所述第一接收音，所述第二接收音语音文件对应所述第二接收音；

测试模块：用于通过PESQ软件将所述第一发送音语音文件与所述第一接收音语音文件，及所述第二发送音语音文件与所述第二接收音语音文件分别进行比较并输出MOS值。

7.根据权利要求6所述的音质测试系统，其特征在于，所述系统还包括：

所述通知模块还用于：在测试端判断所述第一接收音是否接收完成步骤之后，若是，则通知服务器切换状态机；

所述推送模块还用于：接收状态机切换的通知后下发第三发送音，所述第三发送音为IVR语音；

所述第一保存模块还用于：保存第三发送音；

所述接收模块还用于：接收第三接收音，所述第三接收音对应所述第三发送音；

所述第二保存模块还用于：保存所述第三接收音；

第二数据处理模块还用于：对所述第三接收音进行处理并输出第三接收音语音文件，所述第三接收音语音文件对应所述第三接收音；

第一数据处理模块还用于：对所述第三发送音进行处理并输出第三发送音语音文件，并将所述第三发送音语音文件发送给所述测试端，所述第三发送音语音文件对应所述第三发送音；

测试模块还用于：通过PESQ软件将所述第三发送音语音文件与所述第三接收音语音文件进行比较并输出MOS值。

8.根据权利要求7所述的音质测试系统，其特征在于，所述第二数据处理模块还包括：

判定模块，用于：通过声音波形长短和持续时间来判定当前是语音块还是空白区域；当声音波形小于预设阈值并且持续时间超过1s时，则认为当前区域为空白等待区域；当声音波形高于所述预设阈值且持续时间超过0.5s则认为当前区域为语音块；

所述第二保存模块还用于保存所述语音块；

删除模块，用于：将所述空白待区域删除。

9.根据权利要求8所述的音质测试系统，其特征在于，所述第一数据处理模块还包括剔除模块，用于去除发送音首尾的空白区域。

10.根据权利要求6所述的音质测试系统，其特征在于，所述测试端还包括连接模块，用于在服务器下发并保存第一发送音步骤之前，建立测试端与服务器之间的音频通道。