PESQ और STOI भाषण गुणवत्ता मेट्रिक्स

पीईएसक्यू और एसटीओआई मानक वस्तुनिष्ठ मेट्रिक्स हैं जो यह स्कोर करते हैं कि मानव श्रोताओं की आवश्यकता के बिना संसाधित भाषण कितना अच्छा लगता है और यह कितना समझने योग्य है। वे इंजीनियरों को स्वचालित रूप से कोडेक्स, शोर कम करने वाले और भाषण-वृद्धि मॉडल को बेंचमार्क करने देते हैं।

PESQ (भाषण गुणवत्ता का अवधारणात्मक मूल्यांकन), जिसे ITU-T P.862 के रूप में मानकीकृत किया गया है, मुख्य रूप से टेलीफोन और कोडेक परीक्षण के लिए भाषण की अनुमानित गुणवत्ता की भविष्यवाणी करता है। यह एक स्वच्छ संदर्भ सिग्नल की तुलना एक खराब संदर्भ सिग्नल से करता है और मानव श्रवण धारणा को मॉडलिंग करते हुए एमओएस-जैसे पैमाने (लगभग -0.5 से 4.5) पर एक स्कोर आउटपुट करता है। एसटीओआई (शॉर्ट-टाइम ऑब्जेक्टिव इंटेलिजिबिलिटी), जिसे 2010 में पेश किया गया था, इसके बजाय समझदारी की भविष्यवाणी करता है: एक श्रोता वास्तव में कितने शब्द समझेगा। यह फ़्रीक्वेंसी बैंड में स्वच्छ और संसाधित भाषण के कम समय के अस्थायी लिफाफे को सहसंबंधित करता है, जिससे 0 से 1 तक का स्कोर उत्पन्न होता है। दोनों घुसपैठ (संदर्भ-आधारित) मेट्रिक्स हैं। PESQ उत्तर देता है 'क्या यह अच्छा लगता है?' जबकि STOI उत्तर देता है 'क्या आप इसे समझ सकते हैं?' साथ में वे वाक् संवर्द्धन, डीनोइज़िंग और डीरेवरबरेशन सिस्टम के लिए डिफ़ॉल्ट मूल्यांकन उपकरण हैं।