የድምጽ AI መመሪያ

PESQ እና STOI የንግግር ጥራት መለኪያዎች

PESQ እና STOI የሰው አድማጭ ሳያስፈልጋቸው ምን ያህል ጥሩ የተቀነባበረ ንግግር እንደሚሰማ እና ምን ያህል ለመረዳት የሚቻል እንደሆነ የሚያሳዩ መደበኛ ዓላማ መለኪያዎች ናቸው።

2 ሚን አንብብለመጨረሻ ጊዜ የዘመነው ጁን 2 2026

አጠቃላይ እይታ

They let engineers benchmark codecs, noise reducers, and speech-enhancement models automatically.

ጥልቅ ዳይቭ

PESQ (የንግግር ጥራት የአመለካከት ግምገማ)፣ እንደ ITU-T P.862 ደረጃውን የጠበቀ፣ የሚሰማውን የንግግር ጥራት ይተነብያል፣ በዋናነት ለስልክ እና ለኮዴክ ሙከራ። የንጹህ ማመሳከሪያ ምልክትን ከተዋረደ ሰው ጋር በማነጻጸር ውጤትን በ MOS መሰል ሚዛን (በግምት -0.5 እስከ 4.5)፣ የሰው የመስማት ግንዛቤን በመቅረጽ። በ2010 አስተዋወቀ STOI (የአጭር ጊዜ ዓላማ ኢንተሊሊጊሊቲ)፣ በምትኩ የመረዳት ችሎታን ይተነብያል፡ አንድ አድማጭ ምን ያህል ቃላት በትክክል እንደሚረዳ። የንፁህ እና የተቀነባበረ ንግግር የአጭር ጊዜ ጊዜያዊ ፖስታዎችን በድግግሞሽ ባንዶች ያዛምዳል፣ ከ 0 እስከ 1 ነጥብ ያስገኛል። ሁለቱም ጣልቃ-ገብ (በማጣቀሻ ላይ የተመሰረቱ) መለኪያዎች ናቸው። PESQ 'ጥሩ ይመስላል?' STOI ሲመልስ 'ሊረዱት ይችላሉ?' አንድ ላይ ሆነው ለንግግር ማበልጸጊያ፣ ስም ማጥፋት እና የቃል ማጥፋት ስርዓቶች ነባሪ የግምገማ መሳሪያዎች ናቸው።

ቴክኒካዊ ግንዛቤ

ሁለቱም መለኪያዎች ጣልቃ የሚገቡ ናቸው፡ ነጥብ ከማስቆጠሩ በፊት ንጹህ ማመሳከሪያ ከተበላሸው ምልክት ጋር ያስተካክላሉ። PESQ ሁለቱንም ምልክቶች ወደ ሳይኮአኮስቲክ ከፍተኛ ድምጽ ሚዛን (ባርክ ባንድ) ይገልፃል፣ በጊዜ ሂደት የማስተዋል ረብሻን ያሰላል እና ወደ MOS መሰል እሴት ይመልሰዋል። STOI ንግግርን ወደ አንድ ሶስተኛ-octave ባንዶች ይከፍላል፣ አጭር ~400 ms ኤንቨሎፕ ክፍሎችን ይወስዳል፣ ክሊፖችን ወስዶ መደበኛ ያደርጋቸዋል፣ ከዚያም በማጣቀሻ እና በተበላሹ ኤንቨሎፖች መካከል ያለውን ቁርኝት ያሰላል። እነዚያን ግንኙነቶች በአማካይ ከ0-ለ-1 የመረዳት ችሎታን ያስገኛሉ።

ስልታዊ ተጽእኖ

መድረስ እና መድረስ

በጽሑፍ፣ በትረካ እና በድምፅ በይነገጾች ተደራሽነትን ያሻሽላል።

ወጪ እና በጀት

የሚዲያ ቡድኖች በትንሽ በጀቶች የተጣራ ድምጽ በፍጥነት መላክ ይችላሉ።

ፍጥነት እና ልኬት

ከደንበኛ ጋር የሚገናኙ ስርዓቶች የንግግር ግንኙነቶችን በትልቁ ደረጃ ማካሄድ ይችላሉ።

የወደፊት የPESQ እና STOI የንግግር ጥራት መለኪያዎች

PESQ እና STOI ንጹህ ማመሳከሪያ ስለሚያስፈልጋቸው ምርምር ወደማይረብሽ፣ ከማጣቀሻ ነጻ ወደሆኑ እንደ DNSMOS እና NISQA የነርቭ አውታረ መረቦችን በመጠቀም ከተበላሸ ሲግናል ብቻ ጥራትን ወደሚያስመዘግቡ መለኪያዎች እየተሸጋገረ ነው። አዳዲስ የጥልቅ-ትምህርት ሞዴሎች የሰው ልጅ MOSን በቀጥታ ለመተንበይ የሰለጠኑ ናቸው። አሁንም፣ PESQ እና STOI ሥር የሰደዱ መመዘኛዎች ሆነው ይቆያሉ፣ እና ቁልፍ አዝማሚያዎች እንዲለያዩ እያደረጋቸው ነው ስለዚህም በቀጥታ እንደ ድህረ-እውነታ ግምገማ ብቻ ሳይሆን ለንግግር ማሻሻያ ኔትወርኮች የስልጠና ኪሳራ ተግባራትን መጠቀም ይችላሉ።

የእውነተኛ-ዓለም አተገባበር

በመደበኛ የፈተና ስብስቦች ላይ ቤንችማርኪንግ የንግግር ማሻሻያ እና የጩኸት መከላከያ ሞዴሎች

በኔትወርክ ምህንድስና ወቅት የስልክ እና የቪኦአይፒ ኮድ ጥራትን ማወዳደር

የመስማት ችሎታን ማስተካከል እና የኮኮሌር-መተከል ሂደትን ለከፍተኛ የመረዳት ችሎታ

በኮንፈረንስ እና በድምጽ ረዳት የቧንቧ መስመሮች ውስጥ የድብርት ስልተ ቀመሮችን ማረጋገጥ

አደጋዎች እና የጥበቃ መንገዶች

ስምምነት ሲጠፋ የድምፅ አላግባብ መጠቀም እና የማስመሰል አደጋዎች ይጨምራሉ።

ትክክለኛነት በአነጋገር ዘዬዎች፣ ቀበሌኛዎች ወይም ጫጫታ አካባቢዎች ላይ ሊወድቅ ይችላል።

ሰራሽ ኦዲዮ ግልጽ ምልክት ሳይደረግበት ለትክክለኛ ንግግር ሊሳሳት ይችላል።

የትግበራ ፍኖተ ካርታ

ለድምጽ ቀረጻ፣ ክሎኒንግ እና እንደገና ጥቅም ላይ ለማዋል ግልጽ የሆነ ፈቃድ ያግኙ።

በተለያዩ የድምጽ ማጉያዎች እና የበስተጀርባ ሁኔታዎች ላይ ጥራትን ይሞክሩ።

አንድ ሰው መቼ ውጤቶችን መገምገም ወይም ማጽደቅ እንዳለበት ይግለጹ።

ሰው ሰራሽ ኦዲዮን ይሰይሙ እና ለተጠያቂነት የፕሮቨንስ መዝገቦችን ያስቀምጡ።

ማሰስዎን ይቀጥሉ

ድምጽ AI

የንግግር ስርዓቶች ቋንቋን እንዴት እንደሚያውቁ እና እንደሚያመነጩ ይወቁ።

መመሪያ ያንብቡ

AI ሙዚቃ

ዘመናዊ የሙዚቃ-ትውልድ መሳሪያዎችን እና ገደቦችን ይረዱ።

መመሪያ ያንብቡ

Free newsletter

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the PESQ and STOI Speech Quality Metrics quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

ጥያቄ ጀምር

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

ቀጣይ መመሪያ

የንግግር ውህደት ጥራት

ቀጣዩን መመሪያ ያንብቡ ሁሉንም ጥያቄዎች ያስሱ

በተደጋጋሚ የሚጠየቁ ጥያቄዎች

What is PESQ and STOI Speech Quality Metrics?

PESQ እና STOI የሰው አድማጭ ሳያስፈልጋቸው ምን ያህል ጥሩ የተቀነባበረ ንግግር እንደሚሰማ እና ምን ያህል ለመረዳት የሚቻል እንደሆነ የሚያሳዩ መደበኛ ዓላማ መለኪያዎች ናቸው። መሐንዲሶች ኮዴኮችን፣ ድምጽን የሚቀንሱ እና የንግግር ማሻሻያ ሞዴሎችን በራስ-ሰር እንዲያረጋግጡ ያስችላቸዋል።

PESQ በዋነኝነት የሚለካው ምንድን ነው?

PESQ (ITU-T P.862) በ MOS መሰል ልኬት ላይ ያለውን የንግግር ጥራት ይተነብያል።

STOI በዋነኝነት የሚተነብየው ምንድን ነው?

STOI የመረዳት ችሎታን ይገመታል, ማለትም ንግግሩ ምን ያህል ለመረዳት የሚቻል ነው, በ 0-ለ-1 ሚዛን.

ሁለቱም PESQ እና STOI እንደ 'አስደሳች' መለኪያዎች ተገልጸዋል። ያ ማለት ምን ማለት ነው፧

ጣልቃ-ገብ መለኪያዎች ነጥብን ለማስላት የተበላሸውን ምልክት ከንጹህ ማጣቀሻ ጋር ያወዳድራሉ።

የ STOI ግምታዊ የውጤት ክልል ስንት ነው?

STOI በ0 እና 1 መካከል ያለውን እሴት ያወጣል፣ ይህም ከፍ ያለ ማለት የበለጠ ለመረዳት የሚያስችል ነው።

PESQ የትኛውን ዓይነት የአመለካከት ድግግሞሽ ሚዛን በመጠቀም የሰውን የመስማት ችሎታን ይቀርፃል?

የ Bark-band ሂደትን በመጠቀም የPESQ ካርታዎች ወደ ሳይኮአኮስቲክ ከፍተኛ ድምጽ ውክልና ይጠቁማሉ።