HASA-Net：一种非侵入式助听器语音评估网络
音频与语音处理
2021-11-11 v1 人工智能
声音
摘要
无需干净参考的非侵入式语音评估方法因客观评价而备受关注。近来，深度神经网络（DNN）模型已被应用于构建非侵入式语音评估方法，并被证实具有良好性能。然而，大多数基于 DNN 的方法是为正常听力听者设计的，未考虑听力损失因素。在本研究中，我们提出一种基于 DNN 的助听器语音评估网络（HASA-Net），由双向长短期记忆（BLSTM）模型构成，可根据输入语音信号与指定的听力损失模式同时预测语音质量与可懂度分数。据我们所知，HASA-Net 是首个利用统一的基于 DNN 的非侵入式模型为助听器结合质量与可懂度评估的工作。实验结果表明，HASA-Net 预测的语音质量与可懂度分数分别和两个知名侵入式助听器评价指标——助听器语音质量指数（HASQI）与助听器语音感知指数（HASPI）——高度相关。
引用
@article{arxiv.2111.05691,
title = {HASA-net: A non-intrusive hearing-aid speech assessment network},
author = {Hsin-Tien Chiang and Yi-Chiao Wu and Cheng Yu and Tomoki Toda and Hsin-Min Wang and Yih-Chun Hu and Yu Tsao},
journal= {arXiv preprint arXiv:2111.05691},
year = {2021}
}