Quality-Net：基于BLSTM的端到端非侵入式语音质量评估模型
声音
2018-08-20 v2 人工智能
音频与语音处理
摘要
如今，大多数客观语音质量评估工具（如语音质量感知评估（PESQ））基于将退化/处理后的语音与其干净对应物进行比较。对“黄金”参考的需求严重限制了此类评估工具在真实场景中的实用性，因为干净参考通常无法获取。另一方面，人类无需任何参考即可轻松评估语音质量（如平均意见得分（MOS）测试），意味着存在一种客观的、非侵入式（无需干净参考）的质量评估机制。本研究提出一种新颖的端到端、非侵入式语音质量评估模型，称为Quality-Net，基于双向长短期记忆（BLSTM）。Quality-Net中对语句级质量的评估基于帧级评估。应用帧约束与遗忘门偏置的合理初始化，以从语句级质量标签学习有意义的帧级质量评估。实验结果表明，Quality-Net能与PESQ产生高相关性（对带噪语音为0.9，对经语音增强处理的语音为0.84）。我们相信Quality-Net有潜力用于语音信号处理的广泛应用。
引用
@article{arxiv.1808.05344,
title = {Quality-Net: An End-to-End Non-intrusive Speech Quality Assessment Model based on BLSTM},
author = {Szu-Wei Fu and Yu Tsao and Hsin-Te Hwang and Hsin-Min Wang},
journal= {arXiv preprint arXiv:1808.05344},
year = {2018}
}
备注
Accepted in Interspeech2018