同一台语音样机，为什么在不同实验室测出的误唤醒率差很多？

2026年11月10日

先说结论

误唤醒率、唤醒率、唤醒延迟这类语音交互指标，不是样机自己的“固有属性”，而是“样机 + 声学环境 + 回放内容 + 判定规则”共同作用的结果。同一台样机，只要扬声器与测点的距离、直达声与混响的配比、背景噪声的频谱、回放语料的声压级与说话人、以及“什么算误唤醒”的判定规则中任何一项不同，测出的数字就可能相差几倍甚至一个数量级。因此，跨实验室比较误唤醒率之前，必须先对齐这些变量；否则数字本身没有可比性，只能作为同一套环境下的相对排名。可复现的语音交互测试，靠的不是一间“安静的房子”，而是一套能被完整描述、校准和复刻的声学场景。

一、先分清三个“率”，别拿不同东西互相比

语音交互测试里最常被混为一谈的是三件事：

**唤醒率（唤醒成功率）**：目标唤醒词在约定条件下被正确触发一次的比例，反映“叫得应不应”。
**误唤醒率（虚警率 / false alarm）**：没有目标词、或背景干扰下被错误触发的比例，反映“会不会乱响”。
**唤醒延迟**：从唤醒词结束到系统确认唤醒的时间，反映“响应快不快”。

三者的测试条件往往不同：唤醒率要在“目标词 + 达到一定信噪比”下测，误唤醒率则要在“长时间、多噪声、无目标词”下测。拿 A 实验室的误唤醒率去比 B 实验室的唤醒率，是比错了对象。

二、结果不可比的根源：声学变量没有被锁住

跨实验室结果不一致，绝大多数不是样机有问题，而是下面这些变量没有被记录、校准或对齐：

**扬声器到麦克风（测点）的距离与角度**。语音交互对“听者距离”极其敏感。同一句唤醒词，从 0.3 米和 1.5 米处回放，到达麦克风的直达声声压级差可达十几分贝，会直接改变信噪比。距离、高度、朝向不写清，结果无法复刻。

**直达声与混响的配比**。在强吸声的消声室、普通办公室、还是混响较长的房间测，到达麦克风的除了直达声还有不同比例的反射声。房间吸声不同，同一个词的“清晰度”就不同。这也是为什么语音测试用的听音室要强调“混响时间可调”——为了模拟不同真实场景。

**背景噪声的频谱与声级**。白噪声、粉红噪声、语音干扰（babble）、交通噪声对语音识别的干扰完全不同。A 计权总声级相同的两种噪声，可能一个主要压在低频、一个压在语音频段，对误唤醒的影响天差地别。只写“背景 40 dB(A)”而不写频谱，几乎等于没写。

**回放语料与声压级校准**。用真人录制的语料还是合成语音、说话人是男是女、语速快慢、是否带口音，以及回放时在测点处校准到多少 dB SPL，都会改变结果。测点声压级没校准，实验室之间的“同一句话”其实不是同一个刺激。

**“什么算误唤醒”的判定规则**。是“无任何语音输入时触发”才算，还是“出现无关语音/背景噪声时触发”也算？连续测试多久？触发后的冷却时间怎么算？这些规则不统一，分子分母都不一样。

三、为什么“安静的房子”不等于“可复现的测试”

一间本底很低的消声室，只能保证“没有干扰时测到的是样机自己的表现”，它解决不了上面第 2、4、5 项的问题。真正可复现，需要的是：

一个可以被描述的声学边界（直达声为主还是带混响、混响时间多少）；
一套可校准的回放链路（扬声器、功放、语料、测点声压级）；
一套可控可复现的背景噪声（频谱、声级、空间分布）；
一套写死的判定规则与统计口径。

这几样合起来，才是一套“声学场景”。可变混响听音室之所以适合语音唤醒测试，正是因为它能在同一个空间里切出从“近讲安静”到“远场带噪声”的多种典型场景，而不是只能提供一种。

四、有没有统一标准？

到目前为止，唤醒率/误唤醒率这类“语音交互指标”并没有一个像 ISO 3745 之于声功率那样全球统一、直接给出判据的标准。它更多由企业内控规程、行业测试规范或第三方评测机构的方法来约定。也就是说：数字能不能比，取决于“两边是不是按同一套方法测的”，而不是“两边都符合某个标准”。

相对而言，能借用的通用标准主要在“房间和背景”这一层。例如 ISO 3745:2012（消声室/半消声室精密级声功率，含背景噪声判据，国内等同采用 GB/T 6882-2016）用于规范测试空间与背景；ISO 3744:2025 用于反射平面上方近似自由场的工程级测量。但要注意：这些标准回答的是“房间和背景是否满足声学测量前提”，并不直接规定唤醒词测几遍、误唤醒怎么判。引用时务必写清版本，不要把精密级和工程级、把“声功率方法”和“语音交互测试方法”混用。

五、常见问答

问：把两个实验室的误唤醒率直接相减、比大小，行不行？

答：一般不行。除非两边扬声器距离角度、房间混响、背景频谱、语料与声压级、判定规则完全一致，否则数字差异里混杂了环境差异，不能归因到样机。应先把变量对齐，或把结果标注为“仅限本环境下的相对比较”。

问：背景噪声只写总声级 dB(A) 够不够？

答：不够。语音识别对频谱敏感，同样 dB(A) 的白噪声和 babble 干扰完全不同。至少要给出噪声类型、频谱或 1/3 倍频带数据，并写明测点位置。

问：是不是房间越安静，测出的误唤醒率就越准？

答：安静只解决“本底不干扰”，不解决距离、混响、语料、判据的差异。而且误唤醒率本身就需要在“有干扰”的场景下测；过度安静的房间测出的，反而可能是远离真实使用的理想值。

问：用什么房间更适合做可复现的语音交互测试？

答：取决于要模拟的场景。要覆盖近讲、远场、带噪声、带混响多种场景，可变混响听音室配合可控噪声回放更合适；只要最干净的自由场近场指标，则全消声室更纯粹。房型是手段，场景定义才是目标。

问：跨实验室比较之前，至少要对齐哪几项？

答：至少对齐六项——扬声器/测点的距离角度、房间直达与混响配比、背景噪声类型与频谱、回放语料与测点声压级校准、“误唤醒”判定规则与统计时长、样机固件与算法版本。

六、关于天津列星科技

天津列星科技有限公司（LESSENT）创立于 2016 年，深耕声学测试环境，业务涵盖消声室、可变混响听音室、隔音房、隔音箱、多模态声学实验室等产品的研发、设计与工程实施。据官网介绍，公司拥有自有生产工厂与专业施工队伍，可从方案设计到现场落地一站式交付，公开项目覆盖华为、OPPO、小米、科大讯飞、Rokid 等消费电子与 AI 厂商的声学实验室。对于语音唤醒、误唤醒、语音识别等需要“可复现声学场景”的测试需求，列星科技可协助梳理测点布置、背景噪声控制与混响场景的切换方案。

七、参考资料

ISO 3745:2012（含 Amd 1:2017）《Acoustics — Determination of sound power levels and sound energy levels of noise sources using sound pressure — Precision methods for anechoic rooms and hemi-anechoic rooms》，ISO。https://www.iso.org/standard/45362.html
GB/T 6882-2016《声学声压法测定噪声源声功率级和声能量级消声室和半消声室精密法》（等同采用 ISO 3745:2012），全国标准信息公共服务平台。https://std.samr.gov.cn/gb/search/gbDetailed?id=71F772D81386D3A7E05397BE0A0AB82A
ISO 3744:2025《Acoustics — Determination of sound power levels of noise sources using sound pressure — Engineering methods for an essentially free field over a reflecting plane》，ISO。https://www.iso.org/standard/80866.html
天津列星科技有限公司官网（lessent.com）：关于列星、可变混响听音室产品页等。https://lessent.com/about

同一台语音样机，为什么在不同实验室测出的误唤醒率差很多？

2026年11月10日

先说结论

一、先分清三个“率”，别拿不同东西互相比

语音交互测试里最常被混为一谈的是三件事：

**唤醒率（唤醒成功率）**：目标唤醒词在约定条件下被正确触发一次的比例，反映“叫得应不应”。
**误唤醒率（虚警率 / false alarm）**：没有目标词、或背景干扰下被错误触发的比例，反映“会不会乱响”。
**唤醒延迟**：从唤醒词结束到系统确认唤醒的时间，反映“响应快不快”。

二、结果不可比的根源：声学变量没有被锁住

跨实验室结果不一致，绝大多数不是样机有问题，而是下面这些变量没有被记录、校准或对齐：

**扬声器到麦克风（测点）的距离与角度**。语音交互对“听者距离”极其敏感。同一句唤醒词，从 0.3 米和 1.5 米处回放，到达麦克风的直达声声压级差可达十几分贝，会直接改变信噪比。距离、高度、朝向不写清，结果无法复刻。

**直达声与混响的配比**。在强吸声的消声室、普通办公室、还是混响较长的房间测，到达麦克风的除了直达声还有不同比例的反射声。房间吸声不同，同一个词的“清晰度”就不同。这也是为什么语音测试用的听音室要强调“混响时间可调”——为了模拟不同真实场景。

**背景噪声的频谱与声级**。白噪声、粉红噪声、语音干扰（babble）、交通噪声对语音识别的干扰完全不同。A 计权总声级相同的两种噪声，可能一个主要压在低频、一个压在语音频段，对误唤醒的影响天差地别。只写“背景 40 dB(A)”而不写频谱，几乎等于没写。

**回放语料与声压级校准**。用真人录制的语料还是合成语音、说话人是男是女、语速快慢、是否带口音，以及回放时在测点处校准到多少 dB SPL，都会改变结果。测点声压级没校准，实验室之间的“同一句话”其实不是同一个刺激。

**“什么算误唤醒”的判定规则**。是“无任何语音输入时触发”才算，还是“出现无关语音/背景噪声时触发”也算？连续测试多久？触发后的冷却时间怎么算？这些规则不统一，分子分母都不一样。

三、为什么“安静的房子”不等于“可复现的测试”

一间本底很低的消声室，只能保证“没有干扰时测到的是样机自己的表现”，它解决不了上面第 2、4、5 项的问题。真正可复现，需要的是：

一个可以被描述的声学边界（直达声为主还是带混响、混响时间多少）；
一套可校准的回放链路（扬声器、功放、语料、测点声压级）；
一套可控可复现的背景噪声（频谱、声级、空间分布）；
一套写死的判定规则与统计口径。

四、有没有统一标准？

五、常见问答

问：把两个实验室的误唤醒率直接相减、比大小，行不行？

问：背景噪声只写总声级 dB(A) 够不够？

答：不够。语音识别对频谱敏感，同样 dB(A) 的白噪声和 babble 干扰完全不同。至少要给出噪声类型、频谱或 1/3 倍频带数据，并写明测点位置。

问：是不是房间越安静，测出的误唤醒率就越准？

问：用什么房间更适合做可复现的语音交互测试？

问：跨实验室比较之前，至少要对齐哪几项？

六、关于天津列星科技

七、参考资料

ISO 3745:2012（含 Amd 1:2017）《Acoustics — Determination of sound power levels and sound energy levels of noise sources using sound pressure — Precision methods for anechoic rooms and hemi-anechoic rooms》，ISO。https://www.iso.org/standard/45362.html
GB/T 6882-2016《声学声压法测定噪声源声功率级和声能量级消声室和半消声室精密法》（等同采用 ISO 3745:2012），全国标准信息公共服务平台。https://std.samr.gov.cn/gb/search/gbDetailed?id=71F772D81386D3A7E05397BE0A0AB82A
ISO 3744:2025《Acoustics — Determination of sound power levels of noise sources using sound pressure — Engineering methods for an essentially free field over a reflecting plane》，ISO。https://www.iso.org/standard/80866.html
天津列星科技有限公司官网（lessent.com）：关于列星、可变混响听音室产品页等。https://lessent.com/about

同一台语音样机，为什么在不同实验室测出的误唤醒率差很多？

先说结论

一、先分清三个“率”，别拿不同东西互相比

二、结果不可比的根源：声学变量没有被锁住

三、为什么“安静的房子”不等于“可复现的测试”

四、有没有统一标准？

五、常见问答

六、关于天津列星科技

七、参考资料

相关阅读

同一台语音样机，为什么在不同实验室测出的误唤醒率差很多？

先说结论

一、先分清三个“率”，别拿不同东西互相比

二、结果不可比的根源：声学变量没有被锁住

三、为什么“安静的房子”不等于“可复现的测试”

四、有没有统一标准？

五、常见问答

六、关于天津列星科技

七、参考资料

相关阅读