RELATE:用于自动评估文本与音频相关性的主观评价数据集
声音
2025-07-01 v1 音频与语音处理
摘要
在文本到音频(TTA)研究中,输入文本与输出音频之间的相关性是一项重要的评估维度。传统上,这一维度从主观和客观两个角度进行评估。然而,主观评估在金钱和时间上成本高昂,而客观评估与主观评估分数之间的相关性尚不明确。在本研究中,我们构建了 RELATE,一个开源的、对相关性进行主观评估的数据集。此外,我们对一个用于从合成音频自动预测主观评估分数的模型进行了基准测试。我们的模型优于传统的 CLAPScore 模型,并且这一趋势在许多声音类别中均得到延续。
引用
@article{arxiv.2506.23582,
title = {RELATE: Subjective evaluation dataset for automatic evaluation of relevance between text and audio},
author = {Yusuke Kanamori and Yuki Okamoto and Taisei Takano and Shinnosuke Takamichi and Yuki Saito and Hiroshi Saruwatari},
journal= {arXiv preprint arXiv:2506.23582},
year = {2025}
}
备注
Accepted to INTERSPEECH2025