【语音增强评价指标】

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

  • 13
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值