一种可扩展的含噪语音数据集与在线主观测试框架
声音
2019-09-19 v1 机器学习
音频与语音处理
摘要
背景噪声是网络语音协议(VoIP)和公共交换电话网络(PSTN)通话中质量损伤的主要来源。近期工作显示了深度学习在噪声抑制方面的有效性，但所用数据集相对于其他领域(如ImageNet)而言规模较小，且相关评估更为集中。为了更好地促进语音增强领域的深度学习研究，我们提出了一个含噪语音数据集(MS-SNSD)，该数据集可根据所需的说话人数量、噪声类型和语音噪声比(SNR)水平扩展到任意规模。我们表明，增大数据集规模会如预期般提升噪声抑制性能。此外，我们提供了一种开源评估方法，利用众包大规模主观评估其结果，并采用参考算法对结果进行归一化。为展示该数据集与评估框架，我们将其应用于若干噪声抑制器，并将主观平均意见得分(MOS)与SNR、PESQ、POLQA和VISQOL等客观质量指标进行比较，说明了为何仍需要MOS。据我们所知，我们的主观MOS评估是首个大规模语音增强算法评估。
引用
@article{arxiv.1909.08050,
title = {A scalable noisy speech dataset and online subjective test framework},
author = {Chandan K. A. Reddy and Ebrahim Beyrami and Jamie Pool and Ross Cutler and Sriram Srinivasan and Johannes Gehrke},
journal= {arXiv preprint arXiv:1909.08050},
year = {2019}
}
备注
InterSpeech 2019