arXiv cs.SD RSS·· 1 天前
预测 MOS 能否可靠复现语音增强中的人类系统级偏好？
How Reliable Are Predicted MOS for Reproducing Human System-Level Preferences in Speech Enhancement?
摘要
研究提出系统级偏好准确率（SPA），直接检验预测 MOS 与人工评分是否给出相同的语音增强系统偏好。实验显示，单一预测模型的 SPA 从 9.4% 到 76.8% 不等，最佳模型在约 23% 的系统对比中仍与人类判断不一致。集成仅带来有限提升，域自适应在闭集条件下大幅改善 SPA，但在目标系统与说话人均未知的开集条件下增益有限。
应来源方要求，这里只提供摘要与原文入口。完整内容请阅读原文。
来源：arXiv cs.SD RSS · arxiv.org