宽带音频波形评估网络：语音质量的高效准确估计
音频与语音处理
2023-11-21 v2 机器学习
声音
摘要
宽带音频波形评估网络（WAWEnets）是直接对宽带音频波形进行处理以产生波形评估结果的卷积神经网络。在本工作中，这些评估给出电信语音的质量（如噪声度、可懂度、整体语音质量）。WAWEnets是无参考网络，因为它们不需要其所评估波形的“参考”（原始或无失真）版本。我们最初的WAWEnet论文介绍了四个WAWEnet，每个都仿真了一种既有全参考语音质量或可懂度估计算法的输出。我们更新了WAWEnet架构，使其更高效且有效。此处我们给出一个紧密跟踪七种不同质量与可懂度值的单一WAWEnet。我们创建了第二个网络，其额外跟踪四个主观语音质量维度。我们提供第三个网络，专注于仅主观质量分数并达到非常高的一致性水平。本工作利用了13种语言的334小时语音、超过两百万个全参考目标值以及超过93,000个主观平均意见分。我们还解释了WAWEnets的运行机制，并用信号处理语言指明其关键：ReLUs策略性地将频谱信息从非直流分量移入直流分量。96个输出信号的直流值定义了96维潜空间中的一个向量，该向量随后被映射为输入波形的质量或可懂度值。
引用
@article{arxiv.2206.13272,
title = {Wideband Audio Waveform Evaluation Networks: Efficient, Accurate Estimation of Speech Qualities},
author = {Andrew Catellier and Stephen Voran},
journal= {arXiv preprint arXiv:2206.13272},
year = {2023}
}
备注
This work has been accepted to the journal IEEE Access