PLCMOS——一种用于评估丢包隐藏算法的数据驱动非侵入式指标
声音
2023-05-25 v1 音频与语音处理
摘要
语音质量评估是每位从事语音生成或处理模型研究者的难题。人类主观评分作为语音质量评估的黄金标准，获取足量可靠数据成本高且耗时，而自动客观指标与黄金标准评分相关性低。本文提出PLCMOS，一种非侵入式数据驱动工具，用于对经丢包隐藏算法修复缺失包、在退化分组交换网络传输的音频文件，稳健且准确地估计人类评分者将给出的平均意见分。我们的新模型与人类评分的模型间Pearson相关系数约0.97、秩相关约0.95，大幅高于所有其他可用的侵入式与非侵入式指标。该模型以ONNX模型发布，供其他研究者在构建PLC系统时使用的。
引用
@article{arxiv.2305.15127,
title = {PLCMOS -- a data-driven non-intrusive metric for the evaluation of packet loss concealment algorithms},
author = {Lorenz Diener and Marju Purin and Sten Sootla and Ando Saabas and Robert Aichner and Ross Cutler},
journal= {arXiv preprint arXiv:2305.15127},
year = {2023}
}
备注
to appear: INTERSPEECH 2023, associated model release: https://aka.ms/PLCMOS