Apr, 2022

MOSRA: 联合均值意见分数和房间声学语音质量评估

PDF
TL;DR本文介绍了一种非侵入式的多维度语音质量度量标准 MOSRA，可以预测房间声学参数，通过显式优化模型来学习这些参数，并同时改善 MOS 设备的泛化能力和盲预测房间声学的性能。
speech qualityacousticsmulti-dimensionalmetricroom parameters
发现论文，激发创造
  • 话语 MOS 多任务学习与评分者偏差校正

    本文提出了一种多任务框架来改进盲目 MOS 评估模型的性能，通过在训练中加入附加标签和数据，结合两个不连续的数据集来联合估算 MOS、混响时间和清晰度，并使用半监督框架来组合两个 MOS 数据集以解决评估者偏差。

    Dec, 2022

  • 关于共同学习语音情感识别和自动语音识别的有效性和噪声稳健性

    本文研究了一种联合的 ASR-SER 多任务学习方法，发现在低资源环境下，采用这种方式可通过对背景噪音的处理从而提高 ASR 词错误率和 SER 分类准确性，结果表明使得该方法产生比独立 ASR 和 SER 方法更具噪音抗干扰性的模型。

    May, 2023

  • 改进基于自主学习的 MOS 预测网络

    该研究通过对先前基于自监督学习的 MOS 预测模型进行数据、训练和后训练的特定改进，并采用多种技术评估其有效性，包括 wav2vec 2.0 模型、转移学习、不同的批处理方法和方法的量化等，实现自动预测 MOS 值。

    Apr, 2022

  • 联合语音识别和音频字幕

    为了更好地解释语音样本中的背景噪声，并对内容进行全面理解，我们提出了多种方法来实现自动语音识别和自动音频字幕的端对端联合建模，并使用混合干净语音和多种背景噪声的多任务数据集进行实验验证。

    Feb, 2022

  • MOSNet：基于深度学习的语音转换客观评估

    本文提出了基于深度学习的评估模型 MOSNet，用于预测转换语音的人类评分，实验结果表明其预测得分与人类得分高度相关，因此可以用作减少昂贵的人类评分需求的计算评估器。

    Apr, 2019

  • 基于扩散概率模型的语音增强度量化方法

    研究提出了一种基于度量导向的语音增强方法 (MOSE)，通过创新的 actor-critic 框架，将评估度量视为后验奖励，以指导反向过程到度量增加方向，从而提高了性能。

    Feb, 2023

  • 基于两两比较的 MOS 预测

    提出了基于配对比较的 MOS 预测框架，并利用 C-Mixup 算法增强其泛化性能，实验结果表明该框架在语音质量的排名准确性上优于当前基准，说明该框架对于提高语音质量排名的准确性具有改进作用。

    Jun, 2023

  • DNSMOS: 一种非侵入性的感知客观语音质量指标，用于评估降噪器

    为了评估噪音抑制算法的感知质量，该研究提出了一种多阶段自学习的感知客观指标方法，能够推广到高难度测试条件，并具有与人类评分的高相关性。

    Oct, 2020

  • 混响作为语音分离监督

    本文提出了一种新的无监督算法损失函数，称为混响作为监督（RAS），使用两个信道的混合信号，训练神经网络以分离源，并通过维纳滤波器来评估所分离出的混响信号。实验结果表明，相对于只使用已标注数据和使用完整数据的有监督算法，本方法在只有 5% 到 10% 的标注数据时可以获得可观的性能优越性。

    Nov, 2022

  • 用于共识听觉 - 感知评估的音频质量自动参数提取的轻量化加权方法

    通过利用轻量级自动音频参数提取方法，本研究在声音质量评估中取得了与最先进方法相近的性能，且优于利用流行音频预训练模型获得的潜在特征表征，为声音评估的可行性提供了新的洞见，并证明了参数例如抖动和谐波噪声比 (HNR) 适合表征声音质量属性，如粗糙度和张力。与此相反，预训练模型在有效解决与噪音相关的评分方面存在局限性。本研究在探索多样化评估方法的基础上，为更全面、更精确的声音质量评估做出了贡献。

    Nov, 2023