src/content/browser/speech/endpointer/endpointer_unittest.cc

   1 // Copyright (c) 2012 The Chromium Authors. All rights reserved.
   2 // Use of this source code is governed by a BSD-style license that can be
   3 // found in the LICENSE file.
   4
   5 #include "content/browser/speech/audio_buffer.h"
   6 #include "content/browser/speech/endpointer/endpointer.h"
   7 #include "testing/gtest/include/gtest/gtest.h"
   8
   9 namespace {
  10 const int kFrameRate = 50;  // 20 ms long frames for AMR encoding.
  11 const int kSampleRate = 8000;  // 8 k samples per second for AMR encoding.
  12
  13 // At 8 sample per second a 20 ms frame is 160 samples, which corrsponds
  14 // to the AMR codec.
  15 const int kFrameSize = kSampleRate / kFrameRate;  // 160 samples.
  16 COMPILE_ASSERT(kFrameSize == 160, invalid_frame_size);
  17 }
  18
  19 namespace content {
  20
  21 class FrameProcessor {
  22  public:
  23   // Process a single frame of test audio samples.
  24   virtual EpStatus ProcessFrame(int64 time, int16* samples, int frame_size) = 0;
  25 };
  26
  27 void RunEndpointerEventsTest(FrameProcessor* processor) {
  28   int16 samples[kFrameSize];
  29
  30   // We will create a white noise signal of 150 frames. The frames from 50 to
  31   // 100 will have more power, and the endpointer should fire on those frames.
  32   const int kNumFrames = 150;
  33
  34   // Create a random sequence of samples.
  35   srand(1);
  36   float gain = 0.0;
  37   int64 time = 0;
  38   for (int frame_count = 0; frame_count < kNumFrames; ++frame_count) {
  39     // The frames from 50 to 100 will have more power, and the endpointer
  40     // should detect those frames as speech.
  41     if ((frame_count >= 50) && (frame_count < 100)) {
  42       gain = 2000.0;
  43     } else {
  44       gain = 1.0;
  45     }
  46     // Create random samples.
  47     for (int i = 0; i < kFrameSize; ++i) {
  48       float randNum = static_cast<float>(rand() - (RAND_MAX / 2)) /
  49           static_cast<float>(RAND_MAX);
  50       samples[i] = static_cast<int16>(gain * randNum);
  51     }
  52
  53     EpStatus ep_status = processor->ProcessFrame(time, samples, kFrameSize);
  54     time += static_cast<int64>(kFrameSize * (1e6 / kSampleRate));
  55
  56     // Log the status.
  57     if (20 == frame_count)
  58       EXPECT_EQ(EP_PRE_SPEECH, ep_status);
  59     if (70 == frame_count)
  60       EXPECT_EQ(EP_SPEECH_PRESENT, ep_status);
  61     if (120 == frame_count)
  62       EXPECT_EQ(EP_PRE_SPEECH, ep_status);
  63   }
  64 }
  65
  66 // This test instantiates and initializes a stand alone endpointer module.
  67 // The test creates FrameData objects with random noise and send them
  68 // to the endointer module. The energy of the first 50 frames is low,
  69 // followed by 500 high energy frames, and another 50 low energy frames.
  70 // We test that the correct start and end frames were detected.
  71 class EnergyEndpointerFrameProcessor : public FrameProcessor {
  72  public:
  73   explicit EnergyEndpointerFrameProcessor(EnergyEndpointer* endpointer)
  74       : endpointer_(endpointer) {}
  75
  76   EpStatus ProcessFrame(int64 time, int16* samples, int frame_size) override {
  77     endpointer_->ProcessAudioFrame(time, samples, kFrameSize, NULL);
  78     int64 ep_time;
  79     return endpointer_->Status(&ep_time);
  80   }
  81
  82  private:
  83   EnergyEndpointer* endpointer_;
  84 };
  85
  86 TEST(EndpointerTest, TestEnergyEndpointerEvents) {
  87   // Initialize endpointer and configure it. We specify the parameters
  88   // here for a 20ms window, and a 20ms step size, which corrsponds to
  89   // the narrow band AMR codec.
  90   EnergyEndpointerParams ep_config;
  91   ep_config.set_frame_period(1.0f / static_cast<float>(kFrameRate));
  92   ep_config.set_frame_duration(1.0f / static_cast<float>(kFrameRate));
  93   ep_config.set_endpoint_margin(0.2f);
  94   ep_config.set_onset_window(0.15f);
  95   ep_config.set_speech_on_window(0.4f);
  96   ep_config.set_offset_window(0.15f);
  97   ep_config.set_onset_detect_dur(0.09f);
  98   ep_config.set_onset_confirm_dur(0.075f);
  99   ep_config.set_on_maintain_dur(0.10f);
 100   ep_config.set_offset_confirm_dur(0.12f);
 101   ep_config.set_decision_threshold(100.0f);
 102   EnergyEndpointer endpointer;
 103   endpointer.Init(ep_config);
 104
 105   endpointer.StartSession();
 106
 107   EnergyEndpointerFrameProcessor frame_processor(&endpointer);
 108   RunEndpointerEventsTest(&frame_processor);
 109
 110   endpointer.EndSession();
 111 };
 112
 113 // Test endpointer wrapper class.
 114 class EndpointerFrameProcessor : public FrameProcessor {
 115  public:
 116   explicit EndpointerFrameProcessor(Endpointer* endpointer)
 117       : endpointer_(endpointer) {}
 118
 119   EpStatus ProcessFrame(int64 time, int16* samples, int frame_size) override {
 120     scoped_refptr<AudioChunk> frame(
 121         new AudioChunk(reinterpret_cast<uint8*>(samples), kFrameSize * 2, 2));
 122     endpointer_->ProcessAudio(*frame.get(), NULL);
 123     int64 ep_time;
 124     return endpointer_->Status(&ep_time);
 125   }
 126
 127  private:
 128   Endpointer* endpointer_;
 129 };
 130
 131 TEST(EndpointerTest, TestEmbeddedEndpointerEvents) {
 132   const int kSampleRate = 8000;  // 8 k samples per second for AMR encoding.
 133
 134   Endpointer endpointer(kSampleRate);
 135   const int64 kMillisecondsPerMicrosecond = 1000;
 136   const int64 short_timeout = 300 * kMillisecondsPerMicrosecond;
 137   endpointer.set_speech_input_possibly_complete_silence_length(short_timeout);
 138   const int64 long_timeout = 500 * kMillisecondsPerMicrosecond;
 139   endpointer.set_speech_input_complete_silence_length(long_timeout);
 140   endpointer.StartSession();
 141
 142   EndpointerFrameProcessor frame_processor(&endpointer);
 143   RunEndpointerEventsTest(&frame_processor);
 144
 145   endpointer.EndSession();
 146 }
 147
 148 }  // namespace content