PulseAugur
中
实时 12:14:10
English(EN) Investigating Human-Model Discrepancies in Speech Quality Assessment via Acoustic and Prosodic Perturbations

新研究探索超越MOS的高级语音质量评估方法

作者 PulseAugur 编辑部 · [4 个来源] ·

研究人员正在探索超越传统平均意见分（MOS）的语音质量评估新方法。一篇论文介绍了PrefSQA，它使用成对偏好预测来减少评分者变异性并提高可靠性，尤其是在高质量偏好数据集上。另一项研究调查了人类听者与MOS预测模型之间的差异，发现模型虽然能追踪声学退化，但常常忽略韵律错误并表现出说话者特征的偏差。第三篇论文提出NVMOS用于评估非语言发声的质量，并证明像Gemini这样的当前多模态大型语言模型在此任务上存在困难，且不能可靠地替代人类专家判断。 AI

影响 语音质量评估的进步可以改进文本到语音系统和其他音频技术的开发和评估。

排序理由 多篇研究论文发布在arXiv上，详细介绍了语音质量评估的新方法和发现。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →

新研究探索超越MOS的高级语音质量评估方法

报道来源 [4]

  1. arXiv cs.AI TIER_1 English(EN) · Junyi Fan, Donald S. Williamson ·

    PrefSQA：语音质量评估的成对偏好预测及其高质量数据集的关键作用

    arXiv:2606.19597v1 Announce Type: cross Abstract: Mean opinion scores (MOS) are widely used for speech quality assessment, yet scalar labels are sensitive to rater variability and listening test differences. This introduces labeling noise, which limits the reliability of MOS pred…

  2. arXiv cs.CL TIER_1 English(EN) · Masato Takagi, Masaya Kawamura, Reo Shimizu, Yuma Shirahata ·

    通过声学和韵律扰动研究人类-模型在语音质量评估中的差异

    arXiv:2606.19951v1 Announce Type: cross Abstract: Mean opinion score (MOS) prediction models are widely used as proxy metrics in text-to-speech (TTS) research, yet their ability to capture quality differences beyond acoustic fidelity remains unclear. We investigate this via contr…

  3. arXiv cs.CL TIER_1 English(EN) · Yuma Shirahata ·

    通过声学和韵律扰动研究人类-模型在语音质量评估中的差异

    Mean opinion score (MOS) prediction models are widely used as proxy metrics in text-to-speech (TTS) research, yet their ability to capture quality differences beyond acoustic fidelity remains unclear. We investigate this via controlled perturbations on speech: acoustic degradatio…

  4. arXiv cs.AI TIER_1 English(EN) · Jialong Mai, Jinxin Ji, Xiaofen Xing, Wencui Liu, Xiangmin Xu ·

    NVMOS：语音中的非语言发声质量评估

    arXiv:2606.15888v1 Announce Type: cross Abstract: Non-verbal vocalizations (NVs), such as laughter, sighs, and coughs, are important acoustic cues for emotion and intent. Existing speech quality assessment methods typically focus on overall naturalness, while non-verbal TTS evalu…

相关实体

相关话题