使用 SITool 对神经语音编解码器的可懂度进行基准测试
音频与语音处理
2025-06-03 v1
摘要
语音可懂度评估对于评估神经语音编解码器至关重要,然而大多数评估工作集中于整体质量而非可懂度。仅有少数公开可用的工具可用于进行标准化可懂度测试,如诊断押韵测试(DRT)和修改押韵测试(MRT)。我们介绍了用于主观评估的语音可懂度工具包(SITool),这是一个基于Flask的Web应用程序,可在实验室和众包环境中进行DRT和MRT。我们使用SITool对13种神经和传统语音编解码器进行基准测试,分析音素级别的退化,并将主观DRT结果与客观可懂度指标进行比较。我们的研究结果表明,尽管神经语音编解码器在主观可懂度上可以优于传统编解码器,但只有STOI和ESTOI(而非WER)与主观结果显著相关,尽管它们难以捕捉主观评估中观察到的性别和词表特定变化。
引用
@article{arxiv.2506.01731,
title = {Benchmarking Neural Speech Codec Intelligibility with SITool},
author = {Anna Leschanowsky and Kishor Kayyar Lakshminarayana and Anjana Rajasekhar and Lyonel Behringer and Ibrahim Kilinc and Guillaume Fuchs and Emanuël A. P. Habets},
journal= {arXiv preprint arXiv:2506.01731},
year = {2025}
}
备注
submitted to Interspeech