传统与基于神经网络的低比特率声码器的语音质量因素

本研究比较了不同算法在低比特率下编码语音的性能。除了广泛部署的传统声码器外，还对比了一系列近期开发的基于生成模型、具有不同比特率的编码器。对编码语音的性能分析从以下不同质量方面进行评估：基音周期估计的准确性、自动语音识别的词错误率，以及说话人性别和编码延迟的影响。我们将来自公开可用数据库的语音样本的若干性能指标与主观评分进行了比较。主观质量评估的结果与现有的全参考语音质量指标相关性不佳。这些结果为语音信号的某些方面提供了有价值的见解，这些方面将用于开发一种新颖的指标，以准确预测基于生成模型的编码器所产生的语音质量。