用于改进语音信号退化检测与分类的语音质量嵌入
音频与语音处理
2026-05-21 v1
摘要
自动主观语音质量评估(SSQA)传统上在utterance或系统层面估计语音质量。虽然这种分辨率对较旧的传输或合成系统足够，后者产生的语音信号质量平凡，但现代系统生成高质量语音，退化现象可能仅在局部发生。通过采用合适的模型架构和正则化损失，SSQA模型在utterance水平训练的目标也可产生有用的局部语音质量预测。在本工作中，我们扩展了此类模型以产生帧级嵌入，这些嵌入按退化类型聚类。具体而言，我们在包含干净语音和退化语音的平行语料库上采用部分混合策略，并应用对比损失以区分退化类型。通过在both in-和 out-of-domain数据上的实验，我们证明了我们方法的改进效果，能够通过分析嵌入聚类来识别退化类型。
引用
@article{arxiv.2605.21332,
title = {Speech Quality Embeddings for Improved Detection and Classification of Degradations in Speech Signals},
author = {Michael Kuhlmann and Tobias Cord-Landwehr and Reinhold Haeb-Umbach},
journal= {arXiv preprint arXiv:2605.21332},
year = {2026}
}
备注
Accepted to 2026 Odyssey workshop