【语音增强评价指标】

留意_yl

已于 2023-10-17 15:11:11 修改

阅读量2.9k

点赞数 14

文章标签：人工智能

于 2023-10-16 21:24:14 首次发布

本文链接：https://blog.csdn.net/qq_45048777/article/details/132607504

版权

本文介绍了语音信号评估的主观评价（如MOS和主观意见得分）与客观评价（如PESQ、STOI和eSTOI）方法，包括它们的工作原理、评分范围和Python实现要求。重点讨论了PESQ与STOI的差异以及SNR在客观评估中的作用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

语音信号的评估一般分为主观和客观。

主观评价指标

MOS
Mean Opinion Score，平均意见得分,由受过专业训练的人员对语音质量进行评价，待测语音的得分为所有人给出的分数的平均值。
分数范围[1, 5]
在这里插入图片描述

客观评价指标

PESQ
Perceptual Evaluation of Speech Quality，语音质量感知评估。由国际电信联盟（International Teleconmunication Union）提出，代号为ITU-T P.862。
PESQ为客观评价指标，和主观分数之间的相关性约为0.935。范围[-0.5, 4.5]，PESQ越高，语音感知质量越好。
其输入为衰减信号和原始参考信号，输出MOS分的预测值，可以映射到MOS刻度范围[1]。使用python的pesq库时，输入语音的采样率应为8kHz或16kHz，前者使用窄带模式mode = ‘nb’, 后者使用宽带模式mode = ‘wb’。
在这里插入图片描述参考链接：
[1].语音质量评价指标：PESQ
[2].音频质量PESQ得分评估原理与步骤

STOI
Short Time Objective Intelligibility，短时客观可懂度。
客观评价指标，因为语音信号智能被分为可懂和不可懂，所以STOI值被量化到范围[0, 1]，STOI越大，语音可懂度越高。
输入语音应为10kHz，否则会被重采样。
步骤：
1. STFT
2. 1/3倍频分析
3. 归一化和裁剪
4. 计算干净语音和带估计语音频谱间的线性相关系数，并统计均值。
详细过程见原文。

参考链接：
[3].原论文 A SHORT-TIME OBJECTIVE INTELLIGIBILITY MEASURE FOR TIME-FREQUENCY WEIGHTED NOISY SPEECH
[4].语音质量的评价指标介绍及MATLAB实现（一）
[5].介绍一下语音评价指标stoi

eSTOI
extended STOI, STOI的扩展版本。
输入语音应为10kHz，否则会被重采样。
和STOI的主要区别在于，预测线性相关系数时，STOI首先计算每个子带的线性相关系数，然后在时间维度跨频率计算加性可懂度；eSTOI计算谱相关系数(spectral correlation coefficients)，然后在384ms的分析窗内做时间平均，这使得ESTOI能够更好地覆盖时间调制噪声掩蔽器的效果。具体过程参见原论文。
参考链接：
[6].原论文 An Algorithm for Predicting the Intelligibility of
Speech Masked by Modulated Noise Maskers

SISNR
SSNR
CSIG
CBAK
COVL

参考链接：凌逆战-语音主观和客观评价总结与实现