侵入式语音可懂度指标的评估

仪器可懂度指标通常被用作听力测试的替代方案。本文评估了 12 种单耳侵入式可懂度指标：SII、HEGP、CSII、HASPI、NCM、QSTI、STOI、ESTOI、MIKNN、SIMI、SIIB 和 $\text{sEPSM}^\text{corr}$。此外，本文还研究了可懂度指标泛化到新型失真的能力，并分析了表现优异的指标为何具有高性能。可懂度数据来自文献中描述的 11 项听力测试。刺激语音包括荷兰语、丹麦语和英语语音，这些语音受到了加性噪声、混响、竞争说话人、预处理增强和后处理增强的失真影响。SIIB 和 HASPI 的性能最高，与听力测试得分的相关性平均分别达到 $\rho=0.92$ 和 $\rho=0.89$。SIIB 的高性能可能部分是因为 SIIB 的开发者能够访问评估中考虑的所有可懂度数据。结果表明，可懂度指标在开发期间未使用的数据集上往往表现不佳。通过修改 SIIB 和 STOI 的原始实现，证明了减少输入特征之间统计依赖性的优势。此外，本文提出了一个名为 $\text{SIIB}^\text{Gauss}$ 的 SIIB 新版本，其性能与 SIIB 和 HASPI 相似，但计算时间减少了两个数量级。