VoIP平台上语音增强的心理声学挑战
声音
2024-08-02 v3 计算与语言
音频与语音处理
摘要
在VoIP（Voice over Internet Protocol，网络电话）电信范围内，声学变换引入的复杂性值得严格分析。本研究根植于对专有发送端去噪效果的探索，细致评估了Google Meets与Zoom等平台。研究依托Deep Noise Suppression（DNS）2020数据集，确保针对各种去噪设置与接收端接口的结构化考察。方法学上的新颖性通过Blinder-Oaxaca分解引入，该工具传统上属计量经济学手段，本文中改用于分析VoIP系统中的声学—语音扰动。为进一步夯实这些变换的含义，使用了心理声学指标，具体而言PESQ与STOI，用以解释感知质量与可懂度。总体而言，所获洞见凸显了VoIP影响的声学动态之复杂图景。除主要发现外，报告了多种指标，拓展了研究视野。此外，包含了时域与时频域语音增强模型的域外基准测试，从而增进本探究的深度与适用性。
引用
@article{arxiv.2310.07161,
title = {Psychoacoustic Challenges Of Speech Enhancement On VoIP Platforms},
author = {Joseph Konan and Shikhar Agnihotri and Ojas Bhargave and Shuo Han and Yunyang Zeng and Ankit Shah and Bhiksha Raj},
journal= {arXiv preprint arXiv:2310.07161},
year = {2024}
}