语音MOS多任务学习与评分者偏差校正
声音
2022-12-06 v1 人工智能
音频与语音处理
摘要
感知语音质量是电话会议应用的一项重要性能指标。平均意见得分（MOS）是语音质量感知评估的标准方法，通过让听者对所听语音样本的质量进行评分获得。近来，开发盲估计MOS模型的研究兴趣日益增长。本文提出一种多任务框架，在训练中引入额外标签与数据，以提升盲MOS估计模型的性能。实验结果表明，所提模型可通过合并两个不相交的训练数据集（一个仅含MOS标签，另一个仅含混响时间T60与清晰度C50标签）联合估计MOS、T60与C50。此外，我们采用半监督框架合并两个MOS数据集进行训练：一个仅含MOS标签（依据ITU-T建议书P.808），另一个含语音信号、背景噪声与整体质量的独立评分（依据ITU-T建议书P.835）。最后，我们给出了处理MOS标签中个体评分者偏差的初步结果。
引用
@article{arxiv.2212.01911,
title = {Speech MOS multi-task learning and rater bias correction},
author = {Haleh Akrami and Hannes Gamper},
journal= {arXiv preprint arXiv:2212.01911},
year = {2022}
}
备注
Submitted to ICASSP 2023