【问题来源】     内部测试环境功能测试 【问题简要】      同事的账号无法发帖、回复等操作，网页上提示“回复失败”等错误消息。请问是什么原因？问题账号名：hw96399823【问题类别】     IVR(vxml)     【AICC解决方案版本】     AICC 版本：AICC 23.200 【期望解决时间】     尽快 【日志或错误截图】           

【问题来源】    内部测试环境功能测试【问题简要】通过demo转接IVR，呼叫转接成功转接至IVR流程后，查看/home/cti/icddir/log/ivr/302/ivr302_trace.log没有日志文件生成。使用openeye拨打该流程接入码可以生成trace.log文件的。请问这种是什么原因。【问题类别】IVR(gsl) 【AICC解决方案版本】AICC 版本：AICC 23.200SCE 版本： ICDV300R008C25SPC009【期望解决时间】尽快         

【问题来源】     内部测试环境功能测试 【问题简要】     调用的复合CELL走的还是以前使用的复合CELL（已删除的），多次尝试添加删除无效，感觉像是缓存，如何处理。是否跟多个复合CELL嵌套使用有关？【问题类别】     IVR(gsl)     【AICC解决方案版本】     AICC 版本：AICC 23.200     SCE 版本： ICDV300R008C25SPC009 【期望解决时间】     尽快【日志截图】

【问题来源】     内部测试环境功能测试 【问题简要】     如字符串“9,32,42,4,8”（字符串长度及数字是变化，以逗号分隔格式不变），如需获取该字符串中“,”分割的数字需如何处理？类似于java中split方法：String[] newStrs = str.split(",");【问题类别】     IVR(gsl)     【AICC解决方案版本】     AICC 版本：AICC 23.200     SCE 版本： ICDV300R008C25SPC009 【期望解决时间】     尽快 【日志或错误截图】

【问题来源】     内部测试环境功能测试 【问题简要】 使用场景：定义错误次数变量errorTimesCardNo，当输入正确后，再次将错误次数变量清0处理。        使用运算CELL处理赋值不生效，将字段errorTimesCardNo 内容赋值为0后，通过打印变量输出的结果确是1。监控日志中打印的变量值未赋值成功（运算CELL成功出口）：[NAME]=errorTimesCardNo [TYPE]=unsinged char [VALUE]=1【问题类别】     IVR(gsl)     【AICC解决方案版本】     AICC 版本：AICC 23.200     SCE 版本： ICDV300R008C25SPC009 【期望解决时间】     尽快 【日志或错误截图】

【问题来源】     内部测试环境功能测试 【问题简要】     场景：IVR实现动态菜单功能，根据客户来电的历史菜单记录动态生成一个菜单内容和按键值。如何根据按键值导航到指定的CELL中？     已获取到该菜单的播报内容和按键值：         例如：账单查询请按1，未出账单查询请按3，挂失请按3。允许的按键：1,2,3         例如：未出账单查询请按1，额度查询请按2，积分查询请按3，人工服务请按0。允许的按键：1,2,3,4,0     问：gsl能否实现跳转到指定的CELL（这个CELL是一个变量）     如能实现，请提供下实现思路或方案。 【问题类别】     IVR(gsl)     【AICC解决方案版本】     AICC 版本：AICC 23.200     SCE 版本： ICDV300R008C25SPC009 【期望解决时间】     尽快 

【问题来源】     内部测试环境功能测试 【问题简要】     问题1：ODBC数据源指的是库名？如图中：aicc_isales     问题2：存储过程名值库名下同名的存储过程？     问题3：是在下图1中“Web配置台>>系统配置>>数据源”处配置吗？按如下图中配置，经过测试报错：can not find datasource=aicc_isales from VDN=1【问题类别】     IVR(gsl)     【AICC解决方案版本】     AICC 版本：AICC 23.200     SCE 版本： ICDV300R008C25SPC009 【期望解决时间】     尽快 【日志或错误截图】 

【问题来源】    内部测试环境功能测试【问题简要】问题一：步骤1. 将原有可使用的“复合CELL”模块中的“放音类型”-“指定语音文件（2）”修改为“TTS文本缓冲区音（51）”同时将播报的内容设置为TTS文字内容。步骤2. 修改完成保存在左侧复合CELL中，使用新修改后的复合CELL，TTS放音失败附件有IVR源SCE文件和监控日志，麻烦帮忙看下原因。【问题类别】IVR(gsl) 【AICC解决方案版本】AICC 版本：AICC 23.200SCE 版本： ICDV300R008C25SPC009【期望解决时间】尽快【日志或错误截图】

【问题来源】     内部测试环境功能测试 【问题简要】      请问已有的或新建的复合CELL源文件存在在什么位置？比如图中“流程开始及结束”及“Temp“中的复合CELL。【问题类别】     IVR(gsl)     【AICC解决方案版本】     AICC 版本：AICC 23.200     SCE 版本： ICDV300R008C25SPC009 【期望解决时间】     尽快 【日志或错误截图】          

【问题来源】     内部测试环境功能测试 【问题简要】     Web接口直接访问CELL报400错误代码，msg：token错误，实际token参数是正确的。     post请求参数：Content-Type:application/json,charset:UTF-8,Authorization:NGD 34efa788-109a-4c3c-a659-74aef4de15ce（参数格式是否正确？）     post请求内容：{"sessionId": "1111111111111123123123"}     接口实际是可以联通的，如图：【问题类别】     IVR(gsl)     【AICC解决方案版本】     AICC 版本：AICC 23.200     SCE 版本： ICDV300R008C25SPC009 【期望解决时间】     在线等     【日志或错误截图】          

【问题来源】     内部测试环境 【问题简要】     23.200的UAP是否支持实时推流到第三方的坐席辅助系统，如果支持的话具体配置过程参照哪个文档 【问题类别】     UAP9600     【AICC解决方案版本】     AICC 版本：AICC 23.200     UAP9600 【期望解决时间】     在线等     

 【问题来源】     上海井星科技      【问题简要】     SCE编译后的ivr流程，将gsl文件部署到环境后，通过OpenEye播报接入码进入IVR流程，IVR留言中设定的语音无法播报，ivr301_call.log日志中错误消息：Can't ack failed!  【问题类别】     IVR(gsl)      【AICC解决方案版本】     AICC 版本：AICC 23.200     SCE 版本： ICDV300R008C25SPC009  【期望解决时间】     在线等      【问题现象描述】      环境：内部测试环境           【日志或错误截图】              

先明确智能硬件中声学（麦克风）使用的三个场景，避免简单的问题复杂化。第一个场景，通话使用。这是大部分智能硬件设计麦克风的主要原因，很多声学做起来感觉很简单的错觉也来源于此。第二个场景，较安静环境下人机交互。复用第一个场景的声学硬件，第二个场景马马虎虎也能用，虽然部分情况下效果不理想，但是，还没到完全不能用的状态。第三个场景，高噪环境下人机交互。主要是户外和人流量较多的环境下使用人机交互，第一个场景的声学硬件完全不能使用。对于第一个场景，通话使用，现在的主流芯片基本上已经内置了通话降噪算法，再加上绝大部分通话都是在安静场景下，因此，只要麦克风的性能指标不是太拉跨、电路设计没有硬伤，第一个场景中智能硬件的声学部分并不用做额外的测试。但是，很多开发者带着这样的惯性开发第二个和第三个场景的智能硬件时，就完全走不通了，售后问题比比皆是，基本都集中在声音处理上。那么，对于第二个和第三个场景，应该如何科学地自测声学部分呢？怎么判断声学部分是否符合量产条件呢？下面分享声学自测的规范。测试环境准备：环境安静，噪音<40dB,如无条件，选安静会议室设备周围无遮挡物测试工具准备：待测设备---预留50MB存储空间专业声压计--- 条件有限可使用手机app(例:手机应用市场-- Sound Meter HD)音频分析软件---Audition高保真音箱---条件有限可使用蓝牙音箱,无蓝牙音箱可使用电脑密封材料---淘宝购买 EVA海绵密封胶带10mm厚度测试音频准备：密封性测试音频(白噪声)1khz音频信号质量测试音频测试附件准备：单独提供测试记录表格《声学测试结果目标》测试音频附件测试方法一、自播自录制测试1-10项测试只录制一个音频：（1）设备调节到100%音量（2）设备先开始录制音频并保存，然后设备播放信号质量测试音频(3) 自播自录后，人正常说话，测试mic处人声音量为65db，保存原始音频和识别音频1、mic和回采幅度检查最低幅度检查1.用Audition软件打开音频，检查采样值。识别引擎要求采样值>2k，确保mic处65db人正常说话时峰值振幅采样值>2k。否则需要提高mic增益截幅检查检查每个声道振幅最大部分，确保每个声道无截幅鼠标中间放大波形,保证波形连续,且无削顶整改方式：减小增益或降低最大音量，让设备最大音量播放歌曲时，音频不截幅2、幅度一致性（单麦免测）（1）确保所有mic声道的幅度均值差值≤3db示例：1声道（-12db ），2声道（-9db），相差3db合格（2）回采的增益不能太小,最大音量时在[-1,-9] DBFS之间（3）双回采平均幅度差≤3db3、通道顺序稳定性检查多次录音, 同一个mic对应软件中的声道要固定。可以多次录音按相同顺序用手轻触麦克风，录音上会有比较明显的振幅，检查多次录音的麦序4、底噪检查（1）不播放音乐时,回采底噪<-65dbfs安静环境下,设备底噪 < -50dbfs操作方法:最右侧数字区域鼠标右键选择Decibels（2）运行时底噪检查（设备运行时自噪较大的设备才需要测，比如投影仪运行时有风扇噪声，扫地机工作时的噪声，其他免测。）让设备运行应用，使cpu占用>70%， 此时用声压计测量mic处噪声≤50db5、丢数据检查查看音频的长度（Duration）是否为21.6秒丢数据可能原因:(1)重采样算法异常(2)驱动异常2.在频谱上找一竖一竖的地方， 看时域波形采样点是否减少，如下图的频域波形，对应的时域少了5个采样点6、最大音量检查设备最大音量播放音频进行测试。AEC算法消除量为30db左右, 建议麦克风口处最大音量<=85dB,打断唤醒效果较好特殊场景,例如全双工, 建议麦克风口处最大音量<=75db,打断唤醒效果较好7、回采信号检查（1）回采信号提前于mic信号，时间差<80ms（2）每次录制时，回采和MIC时延差稳定（3）回采与原信号波形基本一致,无畸变（4）回采不能截幅反例： （1）回采比MIC慢（2）回采和MIC信号的时间差太长（3）电视盒子外接电视的喇叭，时延差不可控，效果会受很大的影响8、波形失真原因：音量太大导致失真质量测试音频原始波形（下图）设备回采波形失真（下图）注:轻微型波形失真也算失真9、单双回采检查如果有2个喇叭，2回采信号效果更好10、喇叭主观听感测试方法：最大音量播放0dB 20Hz-20kHz的扫描信号，有无POP噪声/失真感/破音/共振音/杂音11、麦克风阵列角度检查二、相位一致性检查（单麦免测）正常情况：麦克风同一时刻的相位一致（波形一致）回采同一时刻可以一致或者反向检查方法：找原始音频正弦波的位置进行检查异常情况三、密封性和通道顺序测试1、录制音频     1.音箱和待测设备距离20~30cm 2.音箱播放，调节音量使待测设备麦克风（Mic）处音量为80~90dB（估算）     3.设备录音并保存文件，命名为 sealing_test.pcm      4.使用EVA海绵胶带10mm厚度（淘宝可购买）按逆时针顺序逐个密封mic，密封后停顿5~10秒，然后换下一个mic堵住继续该操作至结束。2、 导入音频文件1.结束录音，导出录音文件,确保格式为wav。2.拖动文件到audition软件中,根据设备情况选择采样率和声道数由于白噪声能量较高，可以清楚看到被堵mic的频段，同时也能看到mic的顺序。如下图所示，实际mic顺序和测试顺序一致，时域谱中每个通道振幅明显较大的部分（或者频域谱中每个通道中暗的部分）即为被堵住mic的部分。3.、对比声道振幅      1.单击鼠标左键不松开,拖动选择区域后松开鼠标左键, 选中声道1中堵住mic停顿5s~10s区间的部分        注意:在选择扫描选区的时候，请选择停顿 5~10s 的中间的平坦部分，不要将有信号残留的部分选中，这部分会影响最后的结果！     2.依次点击窗口(Window),振幅统计(Amplitude Statistics),扫描选区(Scan Selection)    3.查看平均RMS振幅(Average RMS Amplitude)，声道1密封 -57.26dB，其他声道未密封为-28dB，差值30dB>气密标准10dB，单声道气密性合格。要求设备所有mic气密性合格反例：第2和第6声道气密性不合格四、算法效果测试使用降噪测试工具处理保存的质量测试音频，检查降噪后的音频回声残留量，残留噪声低于-30dbfs以上，是整个声学部分自测的全部流程。

我们先讲一下智能硬件做语音识别的基本链路：声音（目标声音和噪音）一起被智能硬件的麦克风（阵列）采集到，在智能硬件的芯片上通过预处理之后，然后再送往云端进行ASR（语音转文字）。而很多智能硬件识别效果不好的主要原因是因为预处理，也就是声学处理没有做好，才导致识别效果不好。就像人耳朵一样，没听清楚讲话内容，可不得乱猜一通！现在，云端的语音识别（ASR）可以通过SDK/API进行调用，大厂提供的识别接口背后所使用的算法和效果基本都差不多。毕竟，开源算法和大数据训练一起结合，在安静场景下，或者说送给云端一段干净的音频，准确率保持在98%以上都没有任何问题。识别效果不好，问题出就出在了声学处理上。如果声学处理没有做好，送给云端的就是一段带噪声的音频，如果是人与人通话还好，毕竟人的判别能力很强。但如果给语音识别算法来处理噪声没有处理好的音频，输出的结果就会差强人意，而且，即便如何优化云端识别算法，像热词、大模型下打小模型这些做法，依然不能有效优化识别的准确率。那要如何才能做好智能硬件的声学处理呢？首先，我们要了解，麦克风（阵列）采集到的声音里面都有那些音源。从组成类型来看，包括：目标人声音：希望提出出来转成文字的语音，越干净越好，专业术语是信噪比（SNR）越高越好，至少5dB及以上；混响声音：主要是在室内，目标人讲话的声音通过墙壁、地板、天花板等反弹之后的声音，类似山谷里面的回声；背景音：目标人所在环境的一些噪音，如室外的鸣笛声、风噪、行人交谈声音；室内常见的是电视播放的声音、风扇空调工作声音等等；设备自发声：如音箱播放的音乐声，机器人的语音播报声等等。然后，根据不同的类型音源，就需要采用不同的算法来进行处理。设备自发声，可以通过回声消除算法来进行解决，通过设计硬回采电路，把喇叭的声音连回麦克风，叠加相反的波形实现设备自发声的消除。不过，要想回声消除效果好，在做结构设计的时候，建议喇叭和麦克风离得越远越好。部分芯片支持软回采，也就是硬件方案上不用单独设计回采电路，不过，从效果上来看，硬回采优于软回采。混响声音，可以通过去混响算法进行解决。一般来说，基本的去混响算法就可以达到不错的效果，不过，对于一些复杂的环境，去混响的算法尽可能在实际场景中进行实验和调试，以保证最佳效果。还要注意的是，去混响之后，对本身音频也会产生副作用，如失真或声音质量降低，这些不利的影响也要纳入整体效果的考虑中来。背景音，就需要用到预处理中的最重要的降噪算法了。降噪一般分为通话降噪和环境降噪，最简单的区分是通话降噪后的音频是给人听的，环境降噪后的音频是喂给语音识别模型的。人的判断力远远强于语音识别模型，因此，环境降噪的要求比通话降噪高得多。但是，越难的地方也越容易被应付，很多智能硬件的项目，要么觉得降噪不重要，要么觉得做降噪的时间成本和金钱成本都太高而应付了事，最终，却因为产品效果之后售后投诉太多反而得不偿失。那么，要怎么样才能做好降噪呢？从工程和产品来说，要做好以下三件事：第一件事，确定场景和要求。比方说，主要使用的场景是哪里，室内和室外所要面临的降噪要求就完全不同。同时，还要确定要求有多高，是近场交互还是远场交互，需要多少颗麦克风的阵列，理论上讲，麦克风的数量越多，对芯片的算力要求越高，产品的成本也就越高，成本太高是否要向利润妥协，产品的目标用户能支持多高的价格区间等等，这些都是需要在项目立项的时候有基本的数据指标。第二件事，找算法原厂沟通。一定要找算法原厂沟通，用芯片自带或者降噪模组，最后的理想的结果就是产品能用但不那么好用，甚至很多产品量产后根本就没办法用。硬件项目的周期一般小则半年，长则二三年，因为降噪的原因而失败就得不偿失了。最最关键的是，降噪效果还不能后期通过软件OTA来进行升级，因为之前做ID设计和硬件设计的时候，降噪效果的天花板就已经确定了，算法如何调优都是徒劳。找算法原厂沟通，了解清楚麦间距、性能指标、芯片算力占用情况、功耗、适配周期、麦克风喇叭选型指标、硬件结构设计细节规范等等，才能真正保证后期产品的使用效果。第三件事，实验室系统测试。没有测试就投产绝对是在搞破坏，声学这一块，同样需要进行系统科学的测试，评估满足量产标准后再进行量产，否则就应该按照测试结果进行整改。实在无法整改的部分，与算法原厂沟通性能恶化情况，可接受范围内可继续量产，不可接受范围内，一定要及时叫停进行整改。否则，一旦量产后，就再无回头路可言。而声学方面，实验室系统测试的数据，包括以下部分：麦克风：频率响应、底噪、灵敏度、信噪比、总谐波失真、密封性、阵列频响一致性等喇叭测试：频率响应、总谐波失真、R&B、灵敏度等。当然，有些指标不需要到实验室测试，自测也能发现问题。