语音与歌唱服务的契约驱动 QoE 审计：从 MOS 回归到服务图
声音
2025-12-05 v1 机器学习
摘要
主观平均意见分（MOS）仍然是非侵入式语音和歌唱质量评估的事实标准目标。然而，MOS 是一个标量，它压缩了异构的用户期望，忽略了服务级目标，并且难以跨部署图进行比较。我们提出了一种契约驱动的 QoE 审计框架：每个服务图 G 在一组人类可解释的体验契约 C 下进行评估，产生一个契约级满意度向量 Q(G, C)。我们表明：(i) 经典 MOS 回归是具有退化契约集的特例；(ii) 在图视图变换（例如，按系统与按系统类型进行池化）下，契约驱动的质量比 MOS 更稳定；(iii) 学习契约的有效样本复杂度由契约语义决定，而不仅仅是 C 的维度。我们在 URGENT2024 MOS（6.9k 条带原始评分向量的语音话语）和 SingMOS v1（7,981 个歌唱片段；80 个系统）上实例化了该框架。在 URGENT 上，我们在自监督 WavLM 嵌入上训练了一个契约感知的神经审计器；在 SingMOS 上，我们使用发布的评分向量和元数据（不解码音频）执行契约驱动的图审计。实验上，我们的审计器在 MOS 准确性上与强 MOS 预测器相匹配，同时提供校准的契约概率；在 SingMOS 上，Q(G, C) 表现出比原始 MOS 和仅图基线小得多的跨视图漂移；在 URGENT 上，难度曲线揭示，错误指定的“简单”契约可能比更丰富但对齐更好的契约集更难学习。
引用
@article{arxiv.2512.04827,
title = {Contract-Driven QoE Auditing for Speech and Singing Services: From MOS Regression to Service Graphs},
author = {Wenzhang Du},
journal= {arXiv preprint arXiv:2512.04827},
year = {2025}
}
备注
11 pages, 3 figures