MambaRate：跨不同抽样率的语音质量评估
声音
2025-07-17 v1 音频与语音处理
摘要
我们提出 MambaRate，用于预测受波形抽样率影响有限偏置的 Mean Opinion Scores (MOS)。该模型为 AudioMOS Challenge 2025 的 Track 3 设计，专注于预测高抽样频率下语音的 MOS。我们的模型利用自监督嵌入和选择性状态空间建模。目标评分通过高斯径向基函数 (RBF) 编码为连续表示。挑战结果基于系统级别的斯皯曼等级相关系数 (SRCC) 指标衡量。初始 MambaRate 版本（T16 系统）在无预训练的 few-shot 设置下，以约 14% 的优势超越预训练基线 (B03)。T16 在挑战中排名第四，与获胜系统相差约 6%。我们还在 BVCC 数据集上提供额外结果，并对不同输入表示进行消融实验，这些实验超越了初始 T16 版本。
引用
@article{arxiv.2507.12090,
title = {MambaRate: Speech Quality Assessment Across Different Sampling Rates},
author = {Panos Kakoulidis and Iakovi Alexiou and Junkwang Oh and Gunu Jho and Inchul Hwang and Pirros Tsiakoulis and Aimilios Chalamandaris},
journal= {arXiv preprint arXiv:2507.12090},
year = {2025}
}
备注
Submitted to ASRU 2025 (AudioMOS Challenge 2025 Track 3)