语音质量的多变量概率评估
音频与语音处理
2025-06-06 v1
摘要
平均意见分数（Mean Opinion Score, MOS）是评估语音质量的标准指标，但其单一关注点无法在观察到低分数时识别具体失真。NISQA数据集通过提供四个额外维度的评分（包括噪声性、颜色、连续性和音量），以及MOS，解决了这一局限性。本文将探索的单变量MOS估计扩展为多变量框架，通过对这些维度进行联合建模使用多变量高斯分布。我们的 метод利用Cholesky分解预测协方差，而不施加限制性假设，并将概率仿射变换扩展到多变量上下文。实验结果表明，我们的方法在点估计方面与最先进的方法持平，同时独特地提供了跨语音质量维度的不确定性和相关性估计。这使我们能够更好地诊断语音质量问题，并为针对性改进提供指导。
引用
@article{arxiv.2506.04890,
title = {Multivariate Probabilistic Assessment of Speech Quality},
author = {Fredrik Cumlin and Xinyu Liang and Victor Ungureanu and Chandan K. A. Reddy and Christian Schüldt and Saikat Chatterjee},
journal= {arXiv preprint arXiv:2506.04890},
year = {2025}
}
备注
Accepted at Interspeech 2025