基于通用偏好分数的成对语音质量评估
声音
2025-06-03 v1 音频与语音处理
摘要
为了比较两个语音生成系统的性能，最有效的方法之一是估计其生成语音之间的偏好分数。本文提出了一种新颖的基于通用偏好分数的成对语音质量评估（UPPSQA）模型，旨在预测成对语音样本之间的偏好分数，以确定哪一个具有更好的质量。该模型首先分别预测两个语音样本的绝对平均意见分（MOS），然后使用偏好函数将它们聚合为相对偏好分数。为了解决偏好数据稀缺的问题，我们还基于 MOS 数据集构建了一个新的成对语音数据集用于实验。实验结果证实，无论是在具有不同数据类型和标签条件的训练场景中，还是在域内和域外测试场景中，UPP-SQA 的预测准确率均优于基线模型，证明了其通用性。
引用
@article{arxiv.2506.01455,
title = {Universal Preference-Score-based Pairwise Speech Quality Assessment},
author = {Yu-Fei Shi and Yang Ai and Zhen-Hua Ling},
journal= {arXiv preprint arXiv:2506.01455},
year = {2025}
}