基于非匹配参考的 MOS 语音质量评估
音频与语音处理
2022-06-27 v1 声音
摘要
通过平均意见得分（MOS）获得的人类评判是评估语音信号质量最可靠的方式。然而，近期若干使用深度学习方法自动估计 MOS 的尝试缺乏鲁棒性和泛化能力，限制了其在现实应用中的使用。在本工作中，我们提出一种新颖的框架 NORESQA-MOS，用于估计语音信号的 MOS。与先前工作不同，我们的方法使用非匹配参考作为条件形式，以由神经网络对 MOS 估计进行 grounding。我们表明，即便使用更小的训练集，NORESQA-MOS 也比 DNSMOS 和 NISQA 等以往最优方法提供更佳的泛化和更鲁棒的 MOS 估计。此外，我们还表明我们的通用框架可与其他学习方法（如自监督学习）结合，并能进一步补充这些方法带来的益处。
引用
@article{arxiv.2206.12285,
title = {Speech Quality Assessment through MOS using Non-Matching References},
author = {Pranay Manocha and Anurag Kumar},
journal= {arXiv preprint arXiv:2206.12285},
year = {2022}
}
备注
To Appear, Interspeech 2022