众包中的多维语音质量评估
音频与语音处理
2023-10-15 v1 声音
摘要
主观语音质量评估是评价语音增强处理和电信系统的黄金标准。常用的标准ITU-T Rec. P.800定义了如何在实验室环境中测量语音质量，ITU-T Rec. P.808将其扩展至众包场景。ITU-T Rec. P.835将P.800扩展为在噪声存在下测量语音质量。ITU-T Rec. P.804面向对话测试，并引入了在对话聆听阶段测量的感知语音质量维度。这些感知维度包括噪声度、染色、不连续性和响度。我们依据P.804的尺度创建了多维主观测试的众包实现，并将其扩展以包含混响、语音信号和整体质量。我们证明该工具既准确又可复现。该工具已用于ICASSP 2023语音信号改善挑战赛，并展示了这些语音质量维度在该挑战赛中的效用。该工具将在 https://github.com/microsoft/P.808 作为开源公开提供。
引用
@article{arxiv.2309.07385,
title = {Multi-dimensional Speech Quality Assessment in Crowdsourcing},
author = {Babak Naderi and Ross Cutler and Nicolae-Catalin Ristea},
journal= {arXiv preprint arXiv:2309.07385},
year = {2023}
}
备注
arXiv admin note: substantial text overlap with arXiv:2303.06566