语音质量评价指标：PESQ（已经过时）

概述

PESQ（Perceptual evaluation of speech quality）（语音质量的感知评估）是一种客观的、全参考的语音质量评估方法，其在国际电信联盟的标注化代号为ITU-T P.862。
PESQ算法需要带噪的衰减信号和一个原始的参考信号，能够对客观语音质量评估提供一个主观MOS的预测值，而且可以映射到MOS刻度范围，PESQ得分范围在 -0.5–4.5 之间。得分越高表示语音质量越好。

其实现代码如下（在Python中也可直接调用相应的pesq模块）：

def get_pesq(clean_wav, denoised_wav):
    """
    计算两个音频的pesq，要求采样率为16000或8000，且8000只支持窄带。
    PESQ就是用经过处理后的语音文件（语音压缩、重构等）与原始语音进行比较。PESQ得分范围在-0.5--4.5之间。得分越高表示语音质量越好。
    git: https://github.com/vBaiCai/python-pesq
    :param clean_wav: 原始文件
    :param denoised_wav: 待评估文件
    :return: score
    """
    ref, sr0 = sf.read(clean_wav)
    deg, sr1 = sf.read(denoised_wav)
    
    # 检查采样率是否达标
    if sr0 == sr1 and (sr0 == 16000 or sr0 == 8000):
        logger.info("ref_audio/deg_audio音频采样率为: %s/%s" % (str(sr0), str(sr1)))
    else:
        logger.error("音频采样率必须为16000或窄带8000。ref_audio/deg_audio音频采样率为: %s/%s" % (str(sr0), str(sr1)))
        return False

    # 检查两个音频文件长度，帧数相差不大于10
    if abs(len(ref) - len(deg)) > 10:
        logger.error("ref_wav/deg_wav两个音频长度不一致: %d/%d" % (len(ref), len(deg)))
        return False

    score = pesq(ref, deg, sr0)
    logger.success("PESQ算法计算的MOS值为：%s" % str(score))
    
    return score

PESQ 流程

—— 上图来自 Speech Quality Assessment.pdf

问题

好好看看这个：
PESQ,STOI score (Speech Quality) for different languages(Non-English)

我截取出一些关键部分：

• PESQ 已经过时不可用了!
  
• PESQ的继任是POLQA，但是由于一些原因不再公开（需要获得授权）
  
• 不要（因为语种不同）随意更改算法模型
  

参考：

1. 音频质量PESQ得分评估原理与步骤
2. PESQ,STOI score (Speech Quality) for different languages(Non-English)