用于预测真实世界信号众包语音质量评分的金字塔循环网络
音频与语音处理
2020-08-03 v1 计算与语言
机器学习
多媒体
声音
摘要
客观语音质量测量的真实世界能力有限，因为当前的测量方法（1）基于模拟数据开发，未能充分建模真实环境；或（2）预测的客观分数并不总是与主观评分强相关。此外，目前尚不存在带有听者质量评分的真实世界信号大型数据集，而这本可助力真实世界评估。本文中，我们收集并预测由人类听者评估的真实世界语音信号的感知质量。我们首先通过在两个真实世界语料上进行众包听音实验，收集了一个大型质量评分数据集。我们进一步开发了一种新方法，使用带注意力机制的金字塔双向长短期记忆（pBLSTM）网络来预测人类质量评分。结果表明，所提模型比先前的评估方法取得了统计上更低的估计误差，其预测分数与人类判断强相关。
引用
@article{arxiv.2007.15797,
title = {A Pyramid Recurrent Network for Predicting Crowdsourced Speech-Quality Ratings of Real-World Signals},
author = {Xuan Dong and Donald S. Williamson},
journal= {arXiv preprint arXiv:2007.15797},
year = {2020}
}
备注
Proceeding of INTERSPEECH