。。这个得机器学习吧，人工只能覆盖一部分，可以着重测试下与业务相关的关键字或都与业务完全无关的关键字

没搞过，但可以考虑把语音分类成语种后，在转成字符串。具体实现不知道。

1.爬虫爬不同的音频数据（语言种类、发音特色、区域特征等）、音频处理软件对音频特殊处理（模糊化、音调）===》采集训练数据
2.利用训练数据预处理、训练
3.算法训练参数优化
4.编不下去了。。。

就公司产品举例来说（某英语口语评分软件）：
功能业务测试组：
1、符合话题，正常表述完整
2、符合话题，正常表述 5 秒/10 秒/30 秒/60 秒
3、符合话题，音量小
4、符合话题，环境噪音大
5、不符合话题，但正常表述
6、不符合话题，讲中文
7、完全非正常朗读（敲桌子声音，嘈杂讲话声等）
8...
貌似回答的是测试语音评分了。。。。

我记得有算法可以做单元测试的。

之前有幸测一段时间的语音，主要是功能测试，我理解的语音大概分语音录制、解析、反馈。
录制的话跟硬件有关系，与设备的距离，说话的语速、时间长短
解析的话，录制的语言（不同语种国语、粤语、四川话、英语）解析、特殊名称、地名（相同名字的省、市、区、县）、常用词、口语等等
反馈，这个需要根据录制语音的内容，对话、提问、闲聊、命令，反馈的都不一样，多选答案什么的

当然还要做场景测试：比如网络，车载设备还要考虑各种车上的场景；内存/cpu、响应速度什么的