自动化失语症评估可以开发低成本而有效的工具来解决手动和主观评估的当前局限，但目前的方法是否依赖于与失语症相关的说话模式或外部因素尚不清楚。本文研究噪音对记录的失语症的影响，设计并实现了一种新的方法来可视化和比较特征提取器和模型，使用 UA-Speech 数据集，旨在提高研究社区对建立可靠的自动失语症评估系统要求的认识。

Jun, 2023

通过基于声学 - 语言学领域的前沿知识，使用神经网络估计器以及音素特定权重等手段，将语音增强模型优化为更接近于真实干净语音的声学参数值，实验结果证明此方法在时间域和时频域均可提升语音增强模型的评估指标，并提供了不同音素间声学参数改善情况的分析。

Feb, 2023

通过添加性别感知语音特征到 Consensus Auditory-Perceptual Evaluation of Voice（声音感知评估协议）中，基于感知声音特征的方法提供了一种成人声音性格的感知潜在空间，作为高层次人口统计学信息和低层次声学、物理或学习表示之间的中间抽象。与先前的观点相反，我们证明这些感知声音特征可以被非专家集体听到，并且进一步证明了以感知声音特征为基础的表示中所编码的信息可以通过多种语音表示进行预测。

Oct, 2023

本文研究了使用最新的图像感知度量来评估音频信号的可行性，并通过将其表示为声谱图来进行评估。我们发现这种方法鼓励人们挖掘听觉和视觉通路的相似之处，并且还对一些基本度量进行了定制，以解决音频信号的特殊性。使用音乐数据集对自定义定制的度量和几个基线度量进行评估，并与人类评价者对音频质量的感知之间的相关性得出了令人满意的结果。

May, 2023

通过进行控制性的心理物理实验，我们验证了模型预测与人工注释之间的一致性，鉴定出相对于广泛使用的度量方法更能与人类意见相符的评估指标，以填补评估研究在视觉质量、嘴唇音频同步和头部移动自然性方面的空白。我们相信我们的工作将促进性能评估和模型开发，为人工智能生成内容在更广泛的背景下提供洞察。

Mar, 2024

使用预训练模型和声音信号的提取特征，结合颈部表面加速计信号进行声音质量的分类，显示出更好的分类准确率和性能。

Aug, 2023

自动语音质量评估中，由于数据稀缺，大多数研究仅在二元分类等简单任务上取得良好结果。本文提出了一种新的方法，通过采用预训练的 Wav2Vec2 架构作为语音评估中的特征提取器，将学习系统从片段级别提升至音频级别，从而建立了一个新的基准，使得只使用 95 个训练样本可以实现对可懂度和严重程度得分的预测，平均均方误差分别为 0.73 和 1.15。结果表明，基于 ASR 的 Wav2Vec2 模型带来了最佳结果，并且可能暗示了 ASR 与语音质量评估之间的强相关性。同时，我们还评估了该方法在变长片段持续时间和语音内容等因素上的影响。

Mar, 2024

该研究分析了五种客观评估方法对于語音转换（VC）的有效性，并发现与具有客观评估相比，排行榜依赖用户测试的次要评估可能效果较差；同时，还揭示了某些 VC 方法存在潜在的高安全风险。

Sep, 2020

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。

Apr, 2022

本文提出了一种使用手工特征和基于数据驱动深度神经网络表示的自监督音频表示方法，用于检测语音中负荷相关的压力。此方法在多个数据集中展现优异性能，胜过传统数字信号处理方法和最新的基于深度神经网络的声音表示学习方法。

Mar, 2022