一间车载语音测试室，为什么比想象中复杂得多？

引言

车载语音交互的体验，往往被归因于算法能力。但在真实车辆中，语音系统首先面对的并不是一句干净的指令，而是一个不断变化的车内声场。

路噪、风噪、空调声、扬声器回放、乘客说话、玻璃反射与座舱结构共同作用，使车载语音测试远不只是“在安静房间里说几句话”。一间专业的车载语音测试室，本质上是用于复现、控制和分析车内声学条件的工程平台。

一、车内语音问题，本质是复杂声场下的目标声提取

车载语音系统要识别的目标声源，通常是很明确的，即驾驶员或乘客发出的语音指令。但麦克风接收到的信号并不单纯。

• 在行驶状态下，车内噪声具有明显的复合特征。低频段往往受到路噪、胎噪和动力系统噪声影响；中高频段可能包含风噪、空调出风噪声、内饰件振动或局部摩擦声；如果车内播放音乐，扬声器回放信号还会与人声叠加，形成回声消除和语音增强的双重挑战。
• 其次，车舱不是自由声场。挡风玻璃、侧窗、仪表台、顶棚和座椅都会形成反射边界。语音从口部传播到麦克风时既包含直达声，也包含不同路径到达的早期反射和混响成分。对于多麦克风阵列而言，这些反射会改变通道间的时间差、相位差和幅度关系，进而影响波束形成、声源定位和噪声抑制效果。

图1 语音指令被多种声源共同影响（图源：睿辉声学）

因此，车载语音测试的核心并不是简单评估“能否听见”，而是评估系统在给定声场条件下能否稳定提取目标语音。对于智能座舱而言，这直接关系到唤醒、识别、通话、声源定位和误触发控制等多个环节。

二、测试室要复现的不是噪声大小，而是噪声场结构

很多声学测试，会用声压级来描述噪声，例如多少 dB(A)。但对于车载语音而言，仅有总体声压级并不足以描述测试条件。

• 两段噪声即使声压级相同，频谱结构、时间波动和空间分布也可能完全不同。高速路噪通常具有较强的低频连续成分；风噪更容易在中高频形成宽带扰动；空调噪声可能带有稳定的气流声和局部窄带特征；车内音乐则具有明显的节奏、动态和人声频段重叠。
• 如果测试室只用单个扬声器播放一段“车内噪声”，麦克风阵列接收到的空间线索就会与真实车舱存在差异。对语音前端算法而言，这种差异可能影响噪声抑制、回声消除、波束方向判断和远场识别结果。

图2 车载语音测试室需要多维复现（图源：睿辉声学）

专业测试室通常需要考虑多通道声场重放、扬声器布置、背景噪声数据库、声场均衡和测试点校准。ETSI TS 103 224 关注的正是终端测试中的声场重现和背景噪声复现方法，其工程意义在于：测试室不仅要“有噪声”，还要尽可能以可控、可重复的方式再现典型背景噪声场。

这也是车载语音测试室复杂的第一层原因：它要建立一个可管理的声学环境。房间本底噪声、混响条件、扬声器响应、测试点声压级、通道间一致性，都需要被控制。否则，不同方案之间的差异可能来自测试环境，而不是产品本身。

三、语音源也需要标准化：谁在说、从哪里说、以多大声压说

车内语音交互的另一个难点，是说话人本身不稳定。真实用户可能正视前方说话，也可能偏头、低头或转向副驾；可能在安静状态下正常说话，也可能在高速噪声中提高音量；指令可能来自主驾、副驾或后排。不同说话位置与姿态，会改变目标语音到各个麦克风的传播路径和入射角。

因此，专业测试不能只依赖人工随机说话。为了使测试结果具备可重复性，通常需要使用人工嘴、头肩模拟器或标准化语音播放系统，控制语音声压级、发声位置、方向、语料内容和重复次数。这样才能把“说话人变化”从测试变量中分离出来，使不同麦克风布置、算法版本或硬件方案可以在同一条件下比较。

在多麦克风车载系统中，说话位置尤其关键。顶棚麦克风、中控麦克风、方向盘附近麦克风，对主驾、副驾、后排语音的接收能力并不相同。测试室需要能够构建不同座位、不同角度、不同声压级下的语音输入条件，才能评价系统是否真正适用于车内多位置交互。

四、完整测试链路，跨越声学、硬件、算法和评价指标

车载语音测试常被简化为“识别率测试”，但识别率只是终端结果，无法解释问题发生在哪里。从工程链路看，车载语音系统至少包含五个层级：

• 第一是车舱声场。它决定目标语音与背景噪声在麦克风位置处的声压级、频谱和空间关系。
• 第二是麦克风阵列。麦克风数量、位置、指向性、一致性和安装结构，会影响信噪比、阵列增益和空间滤波能力。
• 第三是语音前端处理。回声消除、噪声抑制、波束形成、自动增益控制、去混响等算法，会改变进入识别或通话模块的信号质量。
• 第四是语音识别或通信链路。语音识别关注唤醒、命令识别和意图判断；免提通信则关注对端听感、背景噪声残留、双讲表现和回声控制。ITU-T P.1100、P.1110 等建议书主要面向车载免提通信性能要求与测试方法，虽不等同语音识别准确率标准，但对理解车载语音链路中的通话质量评价具有参考价值。
• 第五是交互体验。响应延迟、误触发、漏唤醒、主副驾区分、连续对话稳定性，都会影响用户对智能座舱的真实感受。

图3 车载语音测试完整链路（图源：睿辉声学）

如果没有可控测试环境，工程师只能看到结果异常，很难定位根因。测试室的作用，是把这条链路中的关键变量拆开。唤醒率下降，可能来自噪声场变化，也可能来自麦克风位置不利；误触发增加，可能与音乐回放、回声消除或关键词模型阈值有关；通话质量下降，则可能与背景噪声残留、双讲控制或阵列波束方向有关。

五、道路实测不可替代，但实验室测试决定迭代效率

真实道路测试仍然是车载语音系统最终验证的重要环节，车辆在不同路面、不同车速、不同天气和不同乘员状态下的表现，必须回到真实场景中确认。但道路测试的主要问题是变量不可控。同一条路线，不同时段的交通流量不同；同一车速，不同路面粗糙度会改变胎噪；同一开窗状态，风向和风速会影响风噪；同一条语音指令，不同说话人和姿态也会带来差异。这种不确定性会降低研发比较的效率。一个算法版本是否优于另一个版本，一个麦克风位置是否更合理，一个前端参数是否更稳健，如果全部依赖道路实测，就很难排除环境随机性的影响。

车载语音测试室的价值，在于把真实道路中的关键因素实验室化：固定某类高速噪声，比较不同算法版本；固定说话位置和语料，比较麦克风方案；固定背景噪声和回放音量，观察回声消除与误触发变化。

图4 测试室将复杂变量拆解为可控实验条件（图源：睿辉声学）

因此，实验室测试和道路测试不是替代关系，而是互补关系。实验室用于控制变量、定位问题、提高迭代效率；道路测试用于验证系统在真实复杂条件下的最终表现。

六、评价车载语音体验，需要指标体系而不是单一分数

车载语音体验不能只看识别率，识别率能够反映系统对既定语料的理解能力，但它不能覆盖全部问题。一个系统可能识别率较高，却在音乐播放时频繁误触发；也可能能识别主驾指令，却难以处理副驾或后排语音；还可能在安静状态下表现良好，但在空调高挡位或高速路噪下稳定性下降。

更完整的评价通常需要同时关注：

• 唤醒率：系统能否在目标条件下被正确激活；
• 识别率：指令内容是否被正确解析；
• 误触发率：非目标语音、音乐或噪声是否错误激活系统；
• 回声与双讲表现：车机播放和人声同时存在时是否仍能正常工作；
• 响应延迟：从语音输入到系统反馈是否足够及时；
• 位置鲁棒性：主驾、副驾、后排等不同位置是否表现稳定。

图5 完整评价体系（图源：睿辉声学）

这些指标背后对应不同的声学问题。例如：唤醒率与信噪比、前端增益和关键词策略有关；误触发与背景声、音乐、人声干扰和阈值设置有关；回声问题则与扬声器回放路径、车舱反射和消除算法有关。只有把指标与声学条件对应起来，测试结果才具备工程解释力。

结语

车载语音测试室的复杂性，来自智能座舱本身的复杂声学环境。它不仅要提供安静背景，更要复现噪声场、控制语音源、评价麦克风阵列和前端算法，并将测试结果转化为可定位、可比较的工程证据。

对车载语音系统而言，稳定体验并不只由算法决定。可靠的声学测试、清晰的问题诊断和有针对性的优化，是智能座舱语音能力走向成熟的重要基础。

参考资料

[1] ITU-T P.1100, Narrowband hands-free communication in motor vehicles. https://www.itu.int/itu-t/recommendations/rec.aspx?lang=en&rec=16490

[2] ITU-T P.1110, Wideband hands-free communication in motor vehicles. https://www.itu.int/itu-t/recommendations/rec.aspx?lang=en&rec=16491

[3] ETSI TS 103 224 V1.7.1, Speech and multimedia Transmission Quality; A sound field reproduction method for terminal testing including a background noise database. https://www.etsi.org/deliver/etsi_ts/103200_103299/103224/01.07.01_60/ts_103224v010701p.pdf

[4] ITU, Vehicle hands-free terminal compatibility testing. https://www.itu.int/en/ITU-T/C-I/Pages/HFT-mobile-tests/HFT_testing.aspx