基于学习质量评估的多指标监督语音增强
声音
2025-08-25 v2 音频与语音处理
摘要
语音质量评估（SQA）旨在预测广泛失真条件下语音信号的感知质量。它与语音增强（SE）密切相关，后者通过去除不需要的信号成分来提升语音质量。虽然SQA模型被广泛用于评估SE性能，但其指导SE训练的潜力尚未得到充分探索。在本工作中，我们研究了一种训练框架，利用一个SQA模型作为SE的监督信号，该SQA模型经过训练可从公共SE排行榜预测多个评估指标。该方法解决了传统SE目标（如SI-SNR）的关键局限性，后者往往无法与感知质量对齐，且在不同评估指标之间泛化能力差。此外，它使得在无法获取干净参考的真实世界数据上进行训练成为可能。在模拟和真实世界测试集上的实验表明，SQA引导的训练在一系列质量指标上持续提升性能。代码和检查点可在 https://github.com/urgent-challenge/urgent2026_challenge_track2 获取。
引用
@article{arxiv.2506.12260,
title = {Improving Speech Enhancement with Multi-Metric Supervision from Learned Quality Assessment},
author = {Wei Wang and Wangyou Zhang and Chenda Li and Jiatong Shi and Shinji Watanabe and Yanmin Qian},
journal= {arXiv preprint arXiv:2506.12260},
year = {2025}
}
备注
Accepted by ASRU 2025