MetricNet：面向改进型非侵入式语音质量评估的建模方法
音频与语音处理
2021-04-06 v1 声音
摘要
客观语音质量评估通常通过将接收到的语音信号与其干净参考信号进行比较来进行，而人类能够在没有任何参考的情况下评估语音质量，例如在平均意见得分（MOS）测试中。由于在实际场景中缺乏用于客观评估的干净参考信号，非侵入式语音质量评估近来引起了广泛关注。本文提出一种新颖的非侵入式语音质量测量模型 MetricNet，其利用标签分布学习和联合语音重建学习，与现有的非侵入式语音质量测量模型相比实现了显著改进的性能。我们证明，所提方法在干净、带噪及处理后的语音数据上，与侵入式客观语音质量评估具有令人鼓舞的高相关性。
引用
@article{arxiv.2104.01227,
title = {MetricNet: Towards Improved Modeling For Non-Intrusive Speech Quality Assessment},
author = {Meng Yu and Chunlei Zhang and Yong Xu and Shixiong Zhang and Dong Yu},
journal= {arXiv preprint arXiv:2104.01227},
year = {2021}
}
备注
Submitted to Interspeech 2021