一种用于音频时间尺度修改质量的客观度量

经时间尺度修改（TSM）处理的音频的客观评估仍是一个开放问题。近来，一个带有主观质量标签的时间尺度音频数据集被发布，并用于创建一种初始的客观质量度量。本文提出一种改进的用于时间尺度音频的客观质量度量。该度量使用手工特征与一个全连接网络来预测主观平均意见分数。除九个特定于 TSM 伪影的特征外，还使用了基础与高级音频质量感知评估（PEAQ）特征。探索了六种对齐方法，其中将参考幅度谱插值至测试幅度谱长度的方法性能最佳。所提度量达到 0.487 的均方根误差均值与 0.865 的皮尔逊相关系数均值，分别相当于主观会话的第 98 与第 82 百分位。该客观度量用于评估时间尺度修改算法，发现 Elastique 对独奏乐器与语音信号给出最高客观质量，而恒等相位锁定相位声码器对音乐信号给出最高客观质量及最佳整体质量。该客观度量可在 https://www.github.com/zygurt/TSM 获取。