TorchAudio-Squim：TorchAudio 中无参考语音质量与可懂度度量
音频与语音处理
2023-04-05 v1
摘要
测量语音信号的质量与可懂度通常是开发语音处理系统的关键步骤。为此，在不同假设下已开发出多种度量质量与可懂度的指标。本文中，我们引入工具与一组模型，利用深度神经网络估计此类已知指标。这些模型在成熟的 TorchAudio 库中提供，该库是 PyTorch 深度学习框架内的核心音频与语音处理库。我们称之为 TorchAudio-Squim，即 TorchAudio 语音质量与可懂度度量（TorchAudio-Speech QUality and Intelligibility Measures）。更具体地，在当前版本的 TorchAudio-squim 中，我们建立并发布了用于估计客观指标中的 PESQ、STOI 和 SI-SDR 以及主观指标中的 MOS 的模型。我们开发了一种用于客观指标估计的新方法，并使用了一种近期开发的用于主观指标估计的方法。这些模型以“无参考”方式运行，即它们不需要相应的干净语音作为语音评估的参考。鉴于真实场景中干净语音的不可得以及主观评价的费力过程，此类易用工具将极大惠及语音处理的研究与开发。
引用
@article{arxiv.2304.01448,
title = {TorchAudio-Squim: Reference-less Speech Quality and Intelligibility measures in TorchAudio},
author = {Anurag Kumar and Ke Tan and Zhaoheng Ni and Pranay Manocha and Xiaohui Zhang and Ethan Henderson and Buye Xu},
journal= {arXiv preprint arXiv:2304.01448},
year = {2023}
}
备注
ICASSP 2023