仪表声音测试方法、装置、测试设备以及存储介质

技术领域

本发明涉及车辆技术领域，具体涉及一种仪表声音测试方法、装置、测试设备以及存储介质。

背景技术

随着汽车朝电动化智能化方向发展，汽车仪表功能变得更加的丰富，增加了丰富的仪表显示和语音提示，在研发阶段需要测试仪表在各种应用场景下的语音提示内容是否满足设计要求，包括语音播放内容，是否有爆音，播放语音是否有延迟等。目前研发阶段只能通过人工判断仪表语音输出是否合格，而人工判断效率低，无法统一标准。

发明内容

鉴于以上问题，本发明实施例提供一种仪表声音测试方法、装置、测试设备以及存储介质，以解决上述技术问题。

第一方面，本发明实施例提供了一种仪表声音测试方法，应用于测试设备，该方法包括：获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数；将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据；将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果；输出测试结果。

第二方面，本发明实施例提供了一种仪表声音测试装置，应用于测试设备，该装置包括：用例解析模块，用于获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数；参数发送模块，用于将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据；声音检测模块，用于将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果；结果输出模块，用于输出测试结果。

第三方面，本发明一些实施例还提供一种测试设备，包括：一个或多个处理器，存储器；一个或多个程序，其中，一个或多个程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行上述方法。

第四方面，本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序指令，计算机程序代码可被处理器调用以执行上述方法。

本发明实施例提供了一种仪表声音测试方法、装置、测试设备以及存储介质。应用于测试设备，该方法包括：获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及该待测试仪表对应的测试参数；将测试参数发送至该待测试仪表，获得该待测试仪表基于测试参数输出的测试声音数据；将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果；输出测试结果。本发明通过机器学习模型对待测试仪表输出的测试声音数据进行测试，从而实现车载仪表在各种语音输出场景的自动测试，提高了仪表在研发阶段测试的效率和一致性。

本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明一实施例提供的仪表声音测试方法的流程示意图；

图2示出了本发明一具体实施例提供的仪表声音测试方法的测试示例图；

图3示出了本发明另一实施例提供的仪表声音测试方法的流程示意图；

图4示出了本发明又一实施例提供的仪表声音测试方法的流程示意图；

图5示出了本申请的图4所示的实施例提供的仪表声音测试方法的步骤S340的实施例的流程示意图；

图6示出了本发明再一实施例提供的仪表声音测试方法的流程示意图；

图7示出了本发明另一具体实施例提供的仪表声音测试方法的测试示例图；

图8示出了本发明实施例提供的仪表声音测试装置的模块框图；

图9示出了本发明实施例提供的一种测试设备的结构框图；

图10示出了本发明实施例提供的一种计算机可读取存储介质的结构框图。

具体实施方式

下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性地，仅用于解释本发明，而不能理解为对本发明的限制。

下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性地，仅用于解释本发明，而不能理解为对本发明的限制。

为了使本技术领域的人员更好地理解本发明的方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

随着汽车朝电动化智能化方向发展，汽车仪表功能变得更加的丰富，增加了丰富的仪表显示和语音提示，在研发阶段需要测试仪表在各种应用场景下的语音提示内容是否满足设计要求，包括语音播放内容，是否有爆音，播放语音是否有延迟等。目前研发阶段采用CAN工具手动或者自动发送CAN报文控制仪表发出各种声音，人工判断仪表声音是否正常，效率低，不可靠，没有一个统一的标准，不同的测试人员可能有不同的测试结果。

为了解决上述技术问题，发明人经过长期研究，提出了本发明实施例中的仪表声音测试方法、装置、测试设备以及存储介质，通过机器学习模型对待测试仪表输出的测试声音数据进行测试，从而实现车载仪表在各种语音输出场景的自动测试，提高了仪表在研发阶段测试的效率和一致性。

下面将结合具体的实施例对本发明提供的仪表声音测试方法进行描述。

请参阅图1，图1示意性地示出了本发明一实施例提供的仪表声音测试方法的流程示意图。下面将针对图1所示的实施例进行详细的阐述，所述方法具体可以包括以下步骤：

步骤S110：获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及该待测试仪表对应的测试参数。

随着汽车朝着电动化智能化方向发展，汽车仪表功能变得更加的丰富，增加了丰富的仪表显示和语音提示，于是在研发时需要对仪表在各种场景下输出的声音进行测试。因此，在本实施例中，可以获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及该待测试仪表对应的测试参数。

在一些实施方式中，测试设备可以获取用户输入的测试需求，并根据测试需求生成对应的测试用例，其中，测试设备可以是个人计算机(Personal Computer，PC机)。在本实施例中，用户的测试需求是测试在各种应用场景下的语音提示内容是否满足设计要求，因此，可以根据用户的测试需求生成对应的仪表测试用例。在一些实施方式中，为了更好的对车辆的各个部件进行控制，可以为测试设备配置有云端管理软件系统，用户可以通过云端管理软件系统输入测试需求，云端管理软件系统可以根据该测试需求生成仪表测试用例。进一步地，不同的应用场景可以对应不同的仪表测试用例，例如，仪表测试用例A用于测试仪表在车速过快的应用场景下的语音提示内容，仪表测试用例B用于测试仪表在观察路况的应用场景下的语音提示内容。同样地，不同的应用场景可以对应一个仪表测试用例，例如，仪表测试用例C既可以用来测试仪表在车速过快的应用场景下的语音提示内容，也可以用来测试仪表在未系安全带的应用场景下的语音提示内容，当使用仪表测试用例C对仪表进行测试时，可以依次测试每个应用场景下的语音提示内容是否符合设计要求。

在一些实施方式中，仪表测试用例中可以包括待测试仪表、测试目标、测试环境、输入数据、测试步骤、预期结果、测试脚本等，测试设备可以获取仪表测试用例，并对仪表测试用例进行解析，得到仪表测试用例对应的待测试仪表以及待测试仪表对应的测试参数，其中，测试参数可以是测试脚本，待测试仪表可以是车载仪表。进一步地，待测试仪表的数量可以是一个，也可以是多个，在此不作限定。

步骤S120：将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据。

在本实施例中，可以将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据。在一些实施方式中，测试参数可以是测试脚本，将测试参数发送至待测试仪表后，可以由待测试仪表下载测试脚本，并运行测试脚本文件，输出测试参数对应的测试声音数据。在一些实施方式中，测试参数也可以是通过对仪表测试用例进行解析后得到的信号，将该信号发送给待测试仪表，以使待测试仪表输出对应的测试声音数据。

在一些实施方式中，测试参数可以对应某一个应用场景，从而触发待测试仪表进行响应，输出对应的测试声音数据，例如，测试参数对应的应用场景是车速过快，则待测试仪表接收到测试参数时，可以输出对应的测试声音数据。其中，测试声音数据可以是完整的一句语音，也可以是一个词语，或一个单字，在此不作限定。

步骤S130：将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果。

获取到测试声音数据后，可以对测试声音数据进行测试，以确定该测试声音数据是否符合设计要求，从而确定仪表的测试结果。在本实施例中，可以将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果。

在一些实施方式中，对测试声音数据进行测试，可以测试多个指标，例如，可以检测测试声音数据的类型、测试声音数据是否存在爆音、测试声音数据是否有延迟、测试声音数据的响声个数等等，在此不作限定。其中，已训练的机器学习模型可以只输出一个指标结果，例如，将测试声音数据输入至机器学习模型，可以得到机器学习模型输出的测试声音数据的类型。机器学习模型也可以同时输出多个指标结果，例如，将测试声音数据输入至机器学习模型，可以得到机器学习模型输出的测试声音数据的类型、测试声音数据是否存在爆音等。在此不作限定，具体以机器学习模型的训练过程为准。

其中，机器学习涉及概率论、统计学、逼近论、凸分析以及算法等多领域交叉学习，专门研究计算机怎么模拟或者实现人类的学习行为，以获取新的知识点或技能，重新组织已有的知识结构。目前，机器学习算法可以包括线性回归算法、支持向量机算法、最近邻居/k-近邻算法、逻辑回归算法、决策树算法、k-平均算法、随机森林算法、朴素贝叶斯算法、降维算法以及梯度增强算法等。

在一些实施方式中，测试设备可以获取多个样本声音数据作为输入样本，以及多个样本声音数据对应的指标作为输出样本，从以上机器学习算法中选择至少一种，对机器学习模型进行训练。其中，多个样本声音数据可以是收集海量的仪表在各种应用场景下的语音提示内容。机器学习模型训练完成之后，测试设备只需要将待测试仪表输出的测试声音数据输入至已训练的机器学习模型，即可获得已训练的机器学习模型输出的测试结果。

步骤S140：输出测试结果。

在本实施例中，获得已训练的机器学习模型输出的测试结果后，可以通过测试设备的显示屏显示该测试结果，用户可以清楚的知道待测试仪表输出的测试声音数据是否存在问题，以及存在哪些问题，从而使用户可以快速定位问题，并基于测试结果对应的做出调整。

当对测试声音数据进行测试，测试多个指标时，测试结果可以包括多个指标分别对应的测试结果，例如，测试结果可以包括测试声音数据的类型是否正确、测试声音数据是否存在爆音、测试声音数据是否有延迟、测试声音数据的响声个数等等。

作为一种具体的实施方式，请参阅图2，图2提供了一种仪表声音测试的测试示例图，其包括测试设备11，其中，测试设备11包括测试软件，测试软件包括测试用例注入软件和语音识别判断软件，其还包括待测试仪表12。具体地，该实施方式可以运行测试用例注入软件和语音识别软件，获取仪表测试用例后，启动测试。然后，测试用例注入软件可对仪表测试用例进行解析，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数，其中，测试参数可以是CAN信号，测试设备11可以将CAN信号通过以太网-控制器转换器(Ethernet-Controller Area Network，ETH-CAN)模块发送给待测试仪表12，同时，通过虚拟串口发送命令，启动语音识别软件通过USB音频采集模块监听待测试仪表12输出的测试声音数据，语音识别软件扫描测试声音数据，通过机器学习模型对测试声音数据进行测试得到测试结果，通过虚拟串口，语音识别软件反馈测试结果给测试用例注入软件，测试用例注入软件将反馈的测试结果显示到软件界面。其中，上述软件可以通过实验室虚拟仪器工程平台(Laboratory Virtual Instrumentation Engineering Workbench，LabVIEW)开发实现。

进一步地，语音识别软件可以包括一个机器学习模型同时测试多个指标，语音识别软件也可以包括多个不同的机器学习模型分别测试不同的指标。

本发明实施例提供的仪表声音测试方法，获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数；将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据；将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果；输出测试结果。本发明实施例通过机器学习模型对待测试仪表输出的测试声音数据进行测试，从而实现车载仪表在各种语音输出场景的自动测试，提高了仪表在研发阶段测试的效率和一致性。

请参阅图3，图3示出了本发明实施例另一实施例提供的仪表声音测试方法，下面将针对图3所示的实施例进行详细的阐述，所述方法具体可以包括以下步骤：

步骤S210：加载仪表测试用例。

在本实施例中，可以预先加载仪表测试用例，其中，仪表测试用例可以是通过用户输入的需求实时生成的，然后由测试设备加载得到仪表测试用例。作为另一种方式，测试设备还可以预先设置有测试用例库，测试用例库包括多个测试用例，测试设备可以从测试用例库中加载仪表测试用例。

步骤S220：对仪表测试用例进行解析，得到仪表测试用例指示的待测试仪表以及仪表测试用例对应的报文数据。

在本实施例中，可以对仪表测试用例进行解析，得到仪表测试用例指示的待测试仪表以及仪表测试用例对应的报文数据。其中，仪表测试用例可以包括用例报文，对仪表测试用例进行解析，即可得到仪表测试用例对应的报文数据。在一些实施方式中，测试设备与待测试设备之间可以通过CAN通讯协议互相传输信号，因此，可以对仪表测试用例进行解析，得到仪表测试用例对应的CAN报文。

步骤S230：基于仪表DBC文件对报文数据进行解析，得到待测试仪表对应的测试参数。

在本实施例中，测试设备可以加载有仪表DBC文件。其中，DBC文件用来描述单一CAN网络中各逻辑节点信息。可以对加载的DBC文件按照其固有的格式进行解析，获取DBC文件里所有的报文、信号及报文发送周期，根据DBC数据库解析当前选中的报文数据，得到报文的属性信息及包含的各个信号的信息，根据报文的属性信息和各个信号的信息生成对应的测试脚本，即待测试仪表对应的测试参数。进一步地，该过程可以以一程序开发环境为工具进行执行，该程序开发环境可以为LabVIEW。

步骤S240：将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据。

步骤S250：将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果。

步骤S260：输出测试结果。

其中，步骤S240-步骤S260的具体描述请参阅步骤S120-步骤S140，在此不再赘述。

本发明实施例提供的仪表声音测试方法，加载仪表测试用例，对仪表测试用例进行解析，得到仪表测试用例指示的待测试仪表以及仪表测试用例对应的报文数据，基于仪表DBC文件对报文数据进行解析，得到待测试仪表对应的测试参数，将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据，将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果。本发明实施例通过仪表DBC文件对报文数据进行解析，从而可以获取准确的测试参数，提高仪表声音测试的准确性。

请参阅图4，图4示出了本发明实施例又一实施例提供的仪表声音测试方法，下面将针对图4所示的实施例进行详细的阐述，所述方法具体可以包括以下步骤：

步骤S310：获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数。

步骤S320：将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据。

其中，步骤S310-步骤S320的具体描述请参阅步骤S110-步骤S120，在此不再赘述。

步骤S330：将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试声音数据的类型。

在本实施例中，可以将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试声音数据的类型。

在一些实施方式中，声音数据的类型可以有不同的分类方式。作为一种实施方式，声音数据的类型可以按场景或内容分，不同的应用场景对应不同的类型，例如，声音数据的类型可以是安全带提示音、可以是导航的声音、也可以是车速过快的提示音等等。作为一种实施方式，声音数据的类型也可以是按提示的音色分，例如，声音数据的类型可以是男声、女声、孩童声、高音、中音、低音等等。作为一种实施方式，声音数据的类型也可以是按语言分，例如，声音数据的类型可以是中文、英文等等。上述声音数据的类型在此不作限定，具体可以根据需要测试的内容确定。

在一些实施方式中，测试设备可以加载多个标准声音数据，于是可以获取多个标准声音数据以及多个标准声音数据的类型作为样本训练集。其中，多个标准声音数据可以是从海量的标准仪表在各个应用场景下的语音提示内容中获取。作为一种实施方式，可以获取样本训练集，样本训练集可以包括输入样本和输出样本，输入样本可以包括多个标准声音数据，输出样本可以包括多个标准声音数据的类型，通过样本训练集对机器学习模型进行训练，从而已训练的机器学习模型可以根据上述获取的测试声音数据，输出该测试声音数据的类型。

其中，机器学习模型可以采用线性回归算法、支持向量机算法、最近邻居/k-近邻算法、逻辑回归算法、决策树算法、k-平均算法、随机森林算法、朴素贝叶斯算法、降维算法以及梯度增强算法等至少一种机器学习算法，对机器学习模型进行训练。

步骤S340：判断测试声音数据的类型是否正确。

在本实施例中，当获取到已训练的机器学习模型输出的测试声音数据的类型后，可以判断测试声音数据的类型是否正确。具体地，可以将测试声音数据与标准声音数据进行对比，从而确定测试声音数据的类型是否正确。例如，仪表测试用例对应的测试参数是用来测试对当前方的路况为十字路口时仪表应该输出的语音提示，当获得待测试仪表输出的测试声音数据为“前方有十字路口”，可以通过机器学习模型输出测试声音数据的类型为路况语音提示，同时可以获取标准声音数据类型，若标准声音数据类型也是路况语音提示，则可以确定测试声音数据的类型与标准声音数据类型一致，从而可以确定测试声音数据的类型正确。

进一步地，请参阅图5，图5示出了本申请的图4所示的实施例提供的仪表声音测试的方法的步骤S340的实施例的流程示意图。下面将针对图5所示的流程进行详细的阐述，所述方法具体可以包括以下步骤：

步骤S341：获取仪表测试用例中的标准声音数据类型。

在本实施例中，可以获取仪表测试用例中的标准声音数据类型。仪表测试用例可以表征用户需要测试的内容，进而仪表测试用例中可以包括该测试内容对应的标准声音数据，还可以包括标准声音数据类型。例如，若仪表测试用例是用来测试对车速过快时仪表应该输出的语音提示，标准声音数据类型可以是车速提示音，若仪表测试用例是用来测试当切换为英文输出时仪表应该输出的语言类型，标准声音数据类型可以是英文。上述标准声音数据类型在此不作限定，具体可以根据需要测试的内容对应设置。

步骤S342：将测试声音数据的类型与标准声音数据类型进行对比。

在本实施例中，可以将上述获得的测试声音数据的类型与标准声音数据类型进行对比。具体地，可以是判断测试声音数据的类型与标准声音数据类型是否相同。

步骤S343：当测试声音数据的类型与标准声音数据类型一致时，确定测试声音数据的类型正确。

在本实施例中，将测试声音数据的类型与标准声音数据类型进行对比，当测试声音数据类型与标准声音数据类型一致时，确定测试声音数据的类型正确。例如，测试声音数据为“在前方路口左转”，测试声音数据的类型则为导航提示音，若标准声音数据类型也是导航提示音，则可以确定测试声音数据类型与标准声音数据类型一致，进而确定测试声音数据的类型正确。

步骤S344：当测试声音数据的类型与标准声音数据类型不一致时，确定测试声音数据的类型不正确。

在本实施例中，将测试声音数据的类型与标准声音数据类型进行对比，当测试声音数据类型与标准声音数据类型不一致时，确定测试声音数据的类型不正确。例如，测试声音数据为“在前方路口左转”，测试声音数据的类型则为导航提示音，若标准声音数据类型是车速提示音，则可以确定测试声音数据类型与标准声音数据类型不一致，进而确定测试声音数据的类型不正确。

步骤S350：当测试声音数据的类型正确时，输出第一测试结果。

在本实施例中，当测试声音数据的类型正确时，可以输出第一测试结果。当测试声音数据的类型正确时，可以表征待测试仪表输出的测试声音数据符合设计要求，则可以输出第一测试结果。当用户查看到第一测试结果时，可以知道待测试仪表的声音是没有问题的。

步骤S360：当测试声音数据的类型不正确时，输出第二测试结果。

在本实施例中，当测试声音数据的类型不正确时，可以输出第二测试结果。当测试声音数据的类型不正确时，可以表明待测试仪表输出的测试声音数据不符合设计要求，于是可以输出第二测试结果。当用户查看到第一测试结果时，可以知道待测试仪表的声音是存在问题的。进一步地，还可以通过语音来提示用户，以使用户可以更快的知道待测试仪表存在问题。

在一些实施方式中，还可以判断测试声音数据的内容是否正确。具体地，可以获取标准声音数据，可以对标准声音数据进行语音识别得到标准声音数据的内容，然后对获取到的测试声音数据进行语音识别得到测试声音数据的内容，将测试声音数据的内容和标准声音数据的内容进行对比，从而可以确定测试声音数据的内容是否正确。当测试声音数据的内容和标准声音数据的内容完全一致时，可以确定测试声音数据的内容正确。

在一些实施方式中，还可以判断测试声音数据是否存在爆音。其中，爆音指在放音过程中出现的间歇干扰声，不包括诸如信噪比低而引起的信号“噪音”。出现爆音的原因有很多，可能是激光唱片(Compact Disk，CD)划伤验证或音频文件损坏，能量调整时的误操作、、或信号突然交替或者被其他强烈干扰。作为一种实施方式，可以将测试声音数据输入已训练的爆音识别模型，从而获得已训练的爆音识别模型输出的爆音测试结果。作为一种实施方式，因为爆音从语谱图上看是各频段能量值都很高的一段语音，因此，可以通过计算测试声音数据在各个频段下的能量值，从而判断测试声音数据是否存在爆音。

在一些实施方式中，还可以判断测试声音数据输出时是否存在延迟。具体地，可以通过获取待测试仪表接收测试参数的时间，以及待测试仪表输出测试声音数据的时间，得到测试声音数据的响应时长，然后获取测试用例中的标准响应时长，将测试声音数据的响应时长与标准响应时长进行对比，从而确定测试声音数据输出时是否存在延迟。当测试声音数据的响应时长大于标准响应时长时，说明测试声音数据输出时存在延迟。

在一些实施方式中，可能还需要测试仪表输出的声音数据的声响个数，因此，还可以判断测试声音数据的声响个数。具体地，可以在接收测试声音数据的过程中，获取测试声音数据的声响个数。进一步地，还可以根据测试用例中的标准声音数据的声响个数与测试声音数据的声响个数进行对比，来判断测试仪表输出的测试声音数据是否符合设计要求。

本发明实施例提供的仪表声音测试方法，获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数，将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据，将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试声音数据的类型，判断测试声音数据的类型是否正确，当测试声音数据的类型正确时，输出第一测试结果，当测试声音数据的类型不正确时，输出第二测试结果。本发明实施例通过机器学习模型判断测试声音数据的类型，从而可以对仪表在各种语音输出场景的声音进行测试，提高仪表测试的准确性。

作为一种具体的实施方式，请再次参阅图2，图2提供的仪表测试方法中包括测试设备11，其中，测试设备11包括测试软件，测试软件包括测试用例注入软件和语音识别判断软件，其还包括待测试仪表12。具体地，该实施方式可以运行测试用例注入软件和语音识别软件，加载仪表CAN DBC文件以及加载标准的声音数据，获取仪表测试用例后，启动测试。然后，测试用例注入软件可对仪表测试用例进行解析，得到CAN信号，测试设备11可以将CAN信号通过ETH-CAN模块发送给待测试仪表12，同时，通过虚拟串口发送命令，启动语音识别软件通过USB音频采集模块监听待测试仪表12输出的测试声音数据，语音识别软件扫描测试声音数据，通过机器学习模型判断测试声音数据的类型，并通过爆音识别模型判断测试声音数据是否有爆音，得到对应的测试结果，通过虚拟串口，语音识别软件反馈测试结果给测试用例注入软件，测试用例注入软件将反馈的测试结果显示到软件界面。其中，上述软件可以通过LabVIEW平台开发实现。

进一步地，语音识别软件可以包括一个机器学习模型同时测试多个指标，语音识别软件也可以包括多个不同的机器学习模型分别测试不同的指标。

请参阅图6，图6示出了本发明实施例再一实施例提供的仪表声音测试方法，待测试仪表的数量为多个，下面将针对图6所示的实施例进行详细的阐述，所述方法具体可以包括以下步骤：

步骤S410：获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数。

其中，步骤S410的具体描述请参阅步骤S110，在此不再赘述。

步骤S420：确定多个待测试仪表分别对应的以太网-控制器转换器模块。

在本实施例中，可以同时对多个待测试仪表同时进行测试。具体地，测试设备通过不同的ETH-CAN模块与不同的待测试仪表进行通信，因此，可以先确定多个待测试仪表分别对应的ETH-CAN模块，例如，待测试仪表A对应ETH-CAN模块A，待测试仪表B对应ETH-CAN模块B等等，其中，一个待测试仪表对应一个ETH-CAN模块。作为一种实施方式，测试设备中可以预先设置待测试仪表与ETH-CAN模块的对应关系表，测试设备可以通过查询该关系表来确定每个待测试仪表对应的ETH-CAN模块。

步骤S430：将测试参数通过每个待测试仪表对应的以太网-控制器转换器模块发送至每个待测试仪表，获得每个待测试仪表基于测试参数输出的测试声音数据。

在本实施例中，对多个待测试仪表同时测试，且测试标准一致，因此，每个待测试仪表对应的测试参数是一样的，可以将测试参数通过每个待测试仪表对应的ETH-CAN模块发送至每个待测试仪表，获得每个待测试仪表基于测试参数输出的测试声音数据。例如，将测试参数ETH-CAN模块A发送给待测试仪表A，获得待测试仪表A基于该测试参数输出的测试声音数据A，将测试参数ETH-CAN模块B发送给待测试仪表B，获得待测试仪表B基于该测试参数输出的测试声音数据B。

步骤S440：将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果。

在本实施例中，可以将多个待测试仪表对应的多个测试声音数据分别输入已训练的机器学习模型，获得已训练的机器学习模型输出的多个测试结果。例如，需要同时对待测试仪表A、待测试仪表B以及待测试仪表C进行测试，可以先确定待测试仪表A对应ETH－CAN模块A，待测试仪表B对应ETH－CAN模块B，待测试仪表C对应ETH－CAN模块C，将测试参数通过ETH－CAN模块A发送给待测试仪表A，得到待测试仪表A输出的测试声音数据A，将测试参数通过ETH－CAN模块B发送给待测试仪表B，得到待测试仪表B输出的测试声音数据B，将测试参数通过ETH－CAN模块C发送给待测试仪表C，得到待测试仪表C输出的测试声音数据C，将测试声音数据A、测试声音数据B以及测试声音数据C分别输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果A、测试结果B以及测试结果C。

步骤S450：输出测试结果。

在本实施例中，可以依次输出每个待测试仪表对应的测试结果，也可以在同一界面同时输出显示多个待测试仪表分别对应的测试结果，在此不作限定。

在一些实施方式中，请参阅图7，图7提供的一种仪表声音测试方法对应的示例图，其包括测试设备21，其中，测试设备21包括测试软件，测试软件包括测试用例注入软件和语音识别判断软件。其还包括待测试仪表1，待测试仪表N，其中，待测试仪表的数量可以是两个、三个、四个等更多，图7为了方便描述，仅示出两个待测试仪表待测试仪表1和待测试仪表N。其中，测试设备21通过USB集线器与USB音频采集模块1、USB音频采集模块N连接，通过交换机与ETH-CAN模块1、ETH-CAN模块N连接。具体地，该实施方式可以运行测试用例注入软件和语音识别软件，加载仪表CAN DBC文件以及加载标准的声音数据，获取仪表测试用例后，启动测试。然后，测试用例注入软件可对仪表测试用例进行解析，得到CAN信号，测试设备21可以将CAN信号通过ETH-CAN模块1发送给待测试仪表1，通过ETH-CAN模块N发送给待测试仪表N，同时，通过虚拟串口发送命令，启动语音识别软件通过USB音频采集模块1监听待测试仪表1输出的测试声音数据1，通过USB音频采集模块N监听车载仪N输出的测试声音数据N，语音识别软件扫描测试声音数据1和测试声音数据N，通过机器学习模型对测试声音数据1以及测试声音数据N进行测试，得到测试结果1和测试结果N，通过虚拟串口，语音识别软件反馈测试结果1和测试结果N给测试用例注入软件，测试用例注入软件将反馈的测试结果1和测试结果N显示到软件界面。其中，上述软件可以通过LabVIEW平台开发实现。

本发明实施例提供的仪表声音测试方法，获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数，确定多个待测试仪表分别对应的以太网-控制器转换器模块，将测试参数通过每个待测试仪表对应的以太网-控制器转换器模块发送至每个待测试仪表，获得每个待测试仪表基于测试参数输出的测试声音数据，将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果，输出测试结果。本发明实施例通过将测试参数通过每个待测试仪表对应的以太网-控制器转换器模块发送至每个待测试仪表，以对每个待测试仪表进行测试，从而实现对多个待测试仪表同时进行测试，提高测试效率。

请参阅图8，图8示出了本发明实施例提供的仪表声音测试装置800的模块框图。下面将针对图8所示的框图进行阐述，所述仪表声音测试装置800应用于测试设备，其包括：用例解析模块810、参数发送模块820、声音检测模块830以及结果输出模块840，其中：

用例解析模块810，用于获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数。

进一步地，测试设备加载有仪表DBC文件，用例解析模块810包括：用例加载子模块、用例解析子模块以及参数获取子模块，其中：

用例加载子模块，用于加载仪表测试用例。

用例解析子模块，用于对仪表测试用例进行解析，得到仪表测试用例指示的待测试仪表以及仪表测试用例对应的报文数据。

参数获取子模块，用于基于仪表DBC文件对报文数据进行解析，得到待测试仪表对应的测试参数。

参数发送模块820，用于将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据。

进一步地，待测试仪表的数量为多个，参数发送模块820包括：模块确定子模块以及参数发送子模块，其中：

模块确定子模块，用于确定多个待测试仪表分别对应的以太网-控制器转换器模块。

参数发送子模块，用于将测试参数通过每个待测试仪表对应的以太网-控制器转换器模块发送至每个待测试仪表，获得每个待测试仪表基于测试参数输出的测试声音数据。

声音检测模块830，用于将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果。

进一步地，声音检测模块830包括：类型确定子模块、类型判断子模块、第一结果输出子模块以及第二结果输出子模块，其中：

类型确定子模块，用于将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试声音数据的类型。

类型判断子模块，用于判断测试声音数据的类型是否正确。

进一步地，类型判断子模块包括类型获取单元、类型对比单元、第一类型确定单元以及第二类型确定单元，其中：

类型获取单元，用于获取仪表测试用例中的标准声音数据类型。

类型对比单元，用于将测试声音数据的类型与标准声音数据类型进行对比。

第一类型确定单元，用于当测试声音数据的类型与标准声音数据类型一致，确定测试声音数据的类型正确。

第二类型确定单元，用于当测试声音数据的类型与标准声音数据类型不一致时，确定测试声音数据的类型不正确。

第一结果输出子模块，用于当测试声音数据的类型正确时，输出第一测试结果。

第二结果输出子模块，用于当测试声音数据的类型不正确时，输出第二测试结果。

进一步地，声音检测模块830还包括：爆音检测子模块以及第三结果输出子模块，其中：

爆音检测子模块，用于将测试声音数据输入至已训练的爆音识别模型，获得已训练的爆音识别模型输出的爆音测试结果。

第三结果输出子模块，用于输出爆音测试结果。

进一步地，声音检测模块830还包括：样本获取子模块以及模型训练子模块，其中：

样本获取子模块，用于获取样本训练集，样本训练集包括输入样本和输出样本，输入样本为多个标准声音数据，输出样本为所述多个标准声音数据的类型。

模型训练子模块，用于将样本训练集输入至机器学习模型，对机器学习模型进行训练，得到已训练的机器学习模型。

结果输出模块，用于输出所述测试结果。

本发明实施例提供的仪表声音测试装置，用例解析模块，用于获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及待测试仪表对应的测试参数；参数发送模块，用于将测试参数发送至待测试仪表，获得待测试仪表基于测试参数输出的测试声音数据；声音检测模块，用于将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果；结果输出模块，用于输出测试结果。从而通过机器学习模型对待测试仪表输出的测试声音数据进行测试，从而实现车载仪表在各种语音输出场景的自动测试，提高了仪表在研发阶段测试的效率和一致性。

所属领域的技术人员可以清楚地了解到，本发明实施例提供的仪表声音测试装置能够实现图1到图7的方法实施例中测试板卡实现的各个过程，为描述的方便和简洁，上述描述装置和模块的具体工作过程，可以参阅前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，所显示或讨论的模块相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

请参阅图9，其示出了本发明实施例提供的一种测试设备900的结构框图。本发明中的测试设备900可以包括一个或多个如下部件：处理器910、存储器920以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器920中并被配置为由一个或多个处理器910执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。

处理器910可以包括一个或者多个处理核。处理器910利用各种接口和线路连接测试设备900内的各个部分，通过运行或执行存储在存储器920内的指令、程序、代码集或指令集，以及调用存储在存储器920内的数据，执行测试设备900的各种功能和处理数据。可选地，处理器910可以采用数字信号处理(digital signal processing，DSP)、现场可编程门阵列(field－programmable gate array，FPGA)、可编程逻辑阵列(programmable logicarray，PLA)中的至少一种硬件形式来实现。处理器910可集成中央处理器(centralprocessing unit，CPU)、图像处理器(graphics processing unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器910中，单独通过一块通信芯片进行实现。

存储器920可以包括随机存储器(random access memory，RAM)，也可以包括只读存储器(read-only memory，ROM)。存储器920可用于存储指令、程序、代码、代码集或指令集。存储器920可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储测试设备900在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

请参阅图10，其示出了本发明实施例提供的一种计算机可读取存储介质的结构框图。该计算机可读取存储介质1000中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。

计算机可读取存储介质1000可以是诸如闪存、电可擦除可编程只读存储器(electrically-erasable programmable read-only memory，EEPROM)、可擦除可编程只读存储器(erasable programmable read only memory，EPROM)、硬盘或者ROM之类的电子存储器。可选地，计算机可读取存储介质1000包括非易失性计算机可读介质(non-transitorycomputer-readable storage medium)。计算机可读取存储介质1000具有执行上述方法中的任何方法步骤的程序介质1010的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序介质1010可以例如以适当形式进行压缩。

综上所述，本发明实施例提供的仪表声音测试方法、装置、测试设备以及存储介质。应用于测试设备，该方法包括：获取并解析仪表测试用例，得到仪表测试用例指示的待测试仪表以及该待测试仪表对应的测试参数；将测试参数发送至该待测试仪表，获得该待测试仪表基于测试参数输出的测试声音数据；将测试声音数据输入已训练的机器学习模型，获得已训练的机器学习模型输出的测试结果；输出测试结果。本发明通过机器学习模型对待测试仪表输出的测试声音数据进行测试，从而实现车载仪表在各种语音输出场景的自动测试，提高了仪表在研发阶段测试的效率和一致性。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。