自动化测试装置及系统的制作方法
【技术领域】
[0001]本发明涉及一种自动化测试装置及系统，特别是涉及一种面试时使用的自动化测试装置及系统。
【背景技术】
[0002]现有技术中，对于字符及语音的测试很多情况下都需要人工进行，例如面试时在考核应聘者的打字速度和普通话水平时，一般都有面试官自己进行人为判断，这种判断难免不客观也不精确，但现有技术中在呼叫中心话务员招聘过程中还没有引入打字速度和普通话水平自动化测试的工具。
【发明内容】
[0003]本发明要解决的技术问题是为了克服现有技术中在呼叫中心话务员招聘过程中还没有引入打字速度和普通话水平自动化测试的工具的缺陷，提供一种自动化测试装置及系统。
[0004]本发明是通过下述技术方案来解决上述技术问题的:
[0005]本发明提供了一种自动化测试装置，其特点在于，包括字符测试模块和语音测试模块，所述字符测试模块包括字符接收单元、字符测试单元及字符计算单元，所述字符接收单元用于在网页中接收输入的字符，所述字符测试单元用于通过浏览器将输入的字符与标准字符进行比较，并判断输入的字符是否正确，所述字符计算单元用于计算字符的输入速度和输入正确率；
[0006]所述语音测试模块包括录音单元及语音测试单元，所述录音单元用于实现网页录音，所述语音测试单元用于收集标准语音样本，并提取标准语音样本的MFCC (梅尔频率倒谱系数)特征和LPCC(线性预测倒谱系数)特征，采用HMM(隐马尔科夫)模型训练标准语音样本，以生成特征矩阵；所述语音测试单元还用于提取录音数据的MFCC特征和LPCC特征，并计算录音数据的MFCC特征和LPCC特征与相应特征矩阵的似然概率，并计算标准语音样本和录音数据之间的匹配程度。
[0007]较佳地，所述字符计算单元用于每隔一固定时间计算字符的输入速度和输入正确率。
[0008]较佳地，所述语音测试单元用于通过Viterbi编码(一种编码方式)计算所述似然概率。
[0009]较佳地，所述语音测试单元用于通过DTW(动态时间归整)算法计算所述匹配程度。
[0010]较佳地，所述语音测试单元还用于采用多维度分权重打分机制计算语音测试的最终得分，输入参数包括以MFCC为特征的Viterbi编码得分、以LPCC为特征的Viterbi编码得分、以MFCC为特征的DTW算法得分、以LPCC为特征的DTW算法得分，对应权重依次为60%、20%、10%、10%。
[0011]较佳地，所述自动化测试装置采用BS(浏览器/服务器)架构。
[0012]本发明的目的在于还提供了一种自动化测试系统，其特点在于，其包括多个上述的自动化测试装置及一排队叫号装置，所述排队叫号装置用于在用户通过预约短信或刷身份证方式取号后，将取号的用户加入排队队列，并检测当前是否有空闲的自动化测试装置，若有，则按照排队顺序为排队队列中的用户分配空闲的自动化测试装置。
[0013]较佳地，所述排队叫号装置采用CS(客户机/服务器)架构。
[0014]本发明的积极进步效果在于:本发明能够自动对用户输入的字符和语音进行测试，进而实现了在面试过程中自动地测试用户的打字速度和普通话水平，并且本发明能够进行客观、精确地测试，同时还减少了重复、繁琐的人工机械劳动。
【附图说明】
[0015]图1为本发明的一较佳实施例的自动化测试装置的模块示意图。
[0016]图2为本发明的一较佳实施例的自动化测试系统的模块示意图。
【具体实施方式】
[0017]下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
[0018]如图1所示，本发明的自动化测试装置包括字符测试模块I及语音测试模块2，所述字符测试模块I包括字符接收单元11、字符测试单元12及字符计算单元13，其中，所述字符接收单元11用于在网页中接收输入的字符，所述字符测试单元12用于通过浏览器将输入的字符与标准字符进行比较，并判断输入的字符是否正确，所述字符计算单元13用于计算字符的输入速度和输入正确率。
[0019]本发明的所述字符测试模块I具体可应用在面试时的打字测试上，打字测试时采用网页形式，打字的素材和通过标准在后台可以根据不同的需求进行专门设定，打字测试主要在浏览器上进行，其控制、计时、结果计算均在浏览器上实时运算显示，用户每输入或修改一个字符，所述字符测试单元12就通过浏览器将输入内容与标准字符进行逐字对比，输入正确、错误的部分可分别显示为不同的颜色，并且所述字符计算单元13还每隔一固定时间(本实施例取I秒)计算、更新当前状态下的字符的输入速度和输入正确率，到达指定时间后，将最后的测试结果提交至服务器端，并计入数据库。
[0020]所述语音测试模块2则包括录音单元21及语音测试单元22，所述录音单元21用于通过Chrome浏览器(一种浏览器)原声的音频支持来实现网页录音，并使用WebSocket协议(一种实现浏览器与服务器全双工通信的协议)将录音数据发送至服务器端，服务器端则可以采用Jetty (—种开源的程序容器)框架完成，该框架可实现多用户并发录音。
[0021]所述语音测试单元22主要采用对比语音特征的方式进行测试，首先需要收集标准语音样本，并提取标准语音样本的语音特征:MFCC特征和LPCC特征，获取标准语音样本的特征值后，采用HMM模型训练标准语音样本，以生成特征矩阵；在进行语音测试时，所述语音测试单元22还用于提取待测试的录音数据的MFCC特征和LPCC特征，并通过Viterbi编码计算录音数据的MFCC特征和LPCC特征与相应特征矩阵的似然概率(表示待测试的录音数据与标准语音样本的相似程度)，并以此作为评分标准；所述语音测试单元22然后采用DTW算法计算标准语音样本和待测试的录音数据之间的匹配程度:提取到待测试的录音数据的MFCC特征和LPCC特征后，分别用DTW算法计算待测试的录音数据与标准语音样本的MFCC特征和LPCC特征参数之间的匹配程度，去匹配程度最好的5个结果进行加权平均；
[0022]最后，所述语音测试单元22采用多维度分权重打分机制计算语音测试的最终得分，输入参数包括以MFCC为特征的Viterbi编码得分、以LPCC为特征的Viterbi编码得分、以MFCC为特征的DTW算法得分、以LPCC为特征的DTW算法得分，对应权重依次为60 %、20%、10%、10%。每个维度单独测试过程中，均以音子(录音中一段持续有效的语音)为单位进行单独评分，如果一段语音中存在多个音子，则对每个音子分别打分，如果计算得到待测试的录音数据中的音子数