双讲期间评估残余回声抑制的客观指标
声音
2021-07-16 v1 音频与语音处理
摘要
人类主观评价对于评估人类感知的语音质量是最优的。最近引入的深度噪声抑制平均意见分（DNSMOS）指标被证明能以很高精度估计人类评分。信号失真比（SDR）指标广泛用于通过估计双讲期间的语音质量来评估残余回声抑制（RES）系统。然而，由于SDR同时受语音失真和残余回声存在的影响，根据DNSMOS，它与人类评分相关性不佳。为此，我们引入两个客观指标，分别量化双讲期间期望语音保持水平（DSML）和残余回声抑制水平（RESL）。这些指标使用具有可调设计参数的基于深度学习的RES系统进行评估。利用280小时真实与模拟录音，我们表明DSML和RESL与DNSMOS相关性良好，并对各种设置具有高度泛化能力。此外，我们经验性地研究了调节RES系统设计参数与其所产生的DSML-RESL权衡之间的关系，并给出了一种针对动态系统需求的实用设计方案。
引用
@article{arxiv.2107.07471,
title = {Objective Metrics to Evaluate Residual-Echo Suppression During Double-Talk},
author = {Amir Ivry and Israel Cohen and Baruch Berdugo},
journal= {arXiv preprint arXiv:2107.07471},
year = {2021}
}
备注
Accepted to WASPAA