面向入侵性语音可懂性预测的参考感知 SFM 层
音频与语音处理
2025-09-23 v1 声音
摘要
入侵式语音可懂性预测器已广泛采用显式参考信号，但始终未能稳定超越非入侵式系统。我们认为主要原因在于对语音基础模型 (SFM) 的利用受限。本工作通过将参考条件与多层 SFM 表示相结合来重新审视入侵式预测。我们的最终系统在开发集上实现 RMSE 为 22.36，在评估集上实现 RMSE 为 24.98，在 CPC3 中名列第 1。这些发现为构建基于 SFM 的入侵式可懂性预测器提供了实用指导。
引用
@article{arxiv.2509.17270,
title = {Reference-aware SFM layers for intrusive intelligibility prediction},
author = {Hanlin Yu and Haoshuai Zhou and Boxuan Cao and Changgeng Mo and Linkai Li and Shan X. Wang},
journal= {arXiv preprint arXiv:2509.17270},
year = {2025}
}
备注
Preprint; submitted to ICASSP 2026. 5 pages. CPC3 system: Dev RMSE 22.36, Eval RMSE 24.98 (ranked 1st)