X-ARES：评估音频编码器性能的全面框架
声音
2025-05-28 v2 音频与语音处理
摘要
我们提出了X-ARES（eXtensive Audio Representation and Evaluation Suite），一个新型开源基准测试，旨在系统性地评估跨不同领域的音频编码器性能。该框架涵盖语音、环境声和音乐等多种任务，提供线性微调和无参数评估两种评估方法。该框架包含22个独立任务，涵盖语音识别、情感检测、声音事件分类和音乐类型识别等音频处理的关键方面。我们对当前最先进的音频编码器进行了广泛评估，发现不同任务和领域之间的性能存在显著差异，这凸显了通用音频表征学习的复杂性。
引用
@article{arxiv.2505.16369,
title = {X-ARES: A Comprehensive Framework for Assessing Audio Encoder Performance},
author = {Junbo Zhang and Heinrich Dinkel and Yadong Niu and Chenyu Liu and Si Cheng and Anbei Zhao and Jian Luan},
journal= {arXiv preprint arXiv:2505.16369},
year = {2025}
}
备注
Accepted by Interspeech 2025