神经编解码器量化潜在表征与语音质量的关系研究
音频与语音处理
2025-03-06 v1
摘要
神经音频信号编解码器近年来受到广泛关注。本质上，这类编码器实现的令人印象深刻的低比特率得益于学习一种能够捕捉编码信号（如语音）特性的抽象表征。在本工作中，我们研究了神经编解码器学习的输入信号潜在表征与语音信号质量之间的关系。为此，我们引入了潜在表征到量化误差比（LQR）指标，用于量化给定语音信号的理想化神经编解码器语音信号模型的距离。我们将所提出的指标与侵入式指标以及基于数据驱动的监督方法进行了比较，使用了两个主观语音质量数据集。该分析表明，所提出的LQR与语音主观质量之间存在很强的相关性（Pearson相关系数高达0.9）。尽管是一种非侵入式指标，但其性能与其它预训练的侵入式指标相当，甚至更好。这些结果表明LQR是更复杂语音质量指标的有前景的基础。
引用
@article{arxiv.2503.03304,
title = {On the Relation Between Speech Quality and Quantized Latent Representations of Neural Codecs},
author = {Mhd Modar Halimeh and Matteo Torcoli and Philipp Grundhuber and Emanuël A. P. Habets},
journal= {arXiv preprint arXiv:2503.03304},
year = {2025}
}