PESQ ve STOI Konuşma Kalitesi Metrikleri
PESQ ve STOI, insan dinleyicilere ihtiyaç duymadan işlenmiş konuşmanın ne kadar iyi ses çıkardığını ve ne kadar anlaşılır olduğunu puanlayan standart objektif ölçümlerdir.
Genel Bakış
They let engineers benchmark codecs, noise reducers, and speech-enhancement models automatically.
Derin Dalış
ITU-T P.862 olarak standartlaştırılan PESQ (Konuşma Kalitesinin Algısal Değerlendirmesi), esas olarak telefon ve codec testleri için algılanan konuşma kalitesini tahmin eder. Temiz bir referans sinyalini bozulmuş bir referans sinyaliyle karşılaştırır ve MOS benzeri bir ölçekte (kabaca -0,5 ila 4,5) bir puan vererek insanın işitsel algısını modeller. 2010'da tanıtılan STOI (Kısa Süreli Objektif Anlaşılabilirlik), bunun yerine anlaşılabilirliği, yani bir dinleyicinin gerçekte kaç kelimeyi anlayabileceğini tahmin eder. Frekans bantları boyunca temiz ve işlenmiş konuşmanın kısa süreli zamansal zarflarını ilişkilendirerek 0'dan 1'e kadar bir puan üretir. Her ikisi de müdahaleci (referans tabanlı) ölçümlerdir. PESQ 'Kulağa hoş geliyor mu?' sorusunu yanıtlıyor STOI ise 'anlayabiliyor musun?' Bunlar birlikte konuşma iyileştirme, gürültü giderme ve yankı giderme sistemleri için varsayılan değerlendirme araçlarıdır.
Teknik Bilgi
Her iki ölçüm de müdahalecidir: Puanlamadan önce temiz bir referansı bozulmuş sinyalle hizalarlar. PESQ her iki sinyali de psikoakustik bir ses yüksekliği ölçeğine (Bark bantları) eşler, zaman içindeki algısal bozukluğu hesaplar ve bunu MOS benzeri bir değere geriler. STOI, konuşmayı üçte bir oktav bantlara böler, ~400 ms'lik kısa zarf bölümlerini alır, bunları kırpar ve normalleştirir, ardından referans ve bozulmuş zarflar arasındaki korelasyonu hesaplar. Bu korelasyonların ortalaması, 0'dan 1'e kadar anlaşılırlık puanı verir.
Stratejik Etki
Access and reach
Transkripsiyon, anlatım ve ses arayüzleri aracılığıyla erişilebilirliği artırır.
Maliyet ve bütçe
Medya ekipleri daha küçük bütçelerle daha iyi ses kalitesi sunabilir.
Speed and scale
Müşteriyle yüz yüze olan sistemler, sözlü etkileşimleri daha büyük ölçekte işleyebilir.
PESQ ve STOI Konuşma Kalitesi Metriklerinin Geleceği
PESQ ve STOI'nin temiz bir referansa ihtiyacı olması nedeniyle araştırmalar, sinir ağlarını kullanarak yalnızca bozulmuş sinyalden kaliteyi puanlayan DNSMOS ve NISQA gibi müdahaleci olmayan, referanssız ölçümlere doğru kayıyor. Daha yeni derin öğrenme modelleri de doğrudan insan MOS'unu tahmin etmek için eğitiliyor. Yine de, PESQ ve STOI sağlam ölçütler olmaya devam ediyor ve önemli bir eğilim, bunların yalnızca olay sonrası değerlendirmeler olarak değil, konuşma geliştirme ağları için doğrudan eğitim kaybı işlevleri olarak kullanılabilmesi için bunları ayırt edilebilir hale getirmesidir.
Gerçek Dünya Uygulaması
Standart test setlerinde konuşma geliştirme ve gürültü bastırma modellerinin karşılaştırılması
Ağ mühendisliği sırasında telefon ve VoIP codec kalitesinin karşılaştırılması
Maksimum anlaşılırlık için işitme cihazı ve koklear implant işlemenin ayarlanması
Konferans ve sesli yardım hatlarında yankı giderme algoritmalarının doğrulanması
Riskler ve Korkuluklar
Onay eksik olduğunda sesin kötüye kullanılması ve kimliğe bürünme riskleri artar.
Aksanlar, lehçeler veya gürültülü ortamlarda doğruluk düşebilir.
Sentetik ses, net bir etiketleme olmadan, orijinal konuşmayla karıştırılabilir.
Uygulama Yol Haritası
Sesin yakalanması, klonlanması ve yeniden kullanılması için açık izin alın.
Kaliteyi farklı hoparlörler ve arka plan koşullarında test edin.
Bir insanın çıktıları ne zaman incelemesi veya onaylaması gerektiğini tanımlayın.
Sentetik sesi etiketleyin ve sorumluluk için kaynak kayıtlarını saklayın.
Keşfetmeye Devam Edin
Free newsletter
Get the daily AI briefing
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.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Konuşma Sentezi Kalitesi
Sık sorulan sorular
What is PESQ and STOI Speech Quality Metrics?
PESQ ve STOI, insan dinleyicilere ihtiyaç duymadan işlenmiş konuşmanın ne kadar iyi ses çıkardığını ve ne kadar anlaşılır olduğunu puanlayan standart objektif ölçümlerdir. Mühendislerin kodekleri, gürültü azaltıcıları ve konuşma iyileştirme modellerini otomatik olarak karşılaştırmasına olanak tanır.
PESQ öncelikli olarak neyi ölçer?
PESQ (ITU-T S.862), MOS benzeri bir ölçekte algılanan konuşma kalitesini tahmin eder.
STOI öncelikle neyi öngörüyor?
STOI anlaşılırlığı, yani konuşmanın ne kadar anlaşılır olduğunu 0'dan 1'e kadar bir ölçekte tahmin eder.
Hem PESQ hem de STOI 'müdahaleci' ölçümler olarak tanımlanıyor. Bu ne anlama gelir?
Müdahaleci ölçümler, bir puan hesaplamak için bozulmuş sinyali temiz bir referansla karşılaştırır.
STOI'nin yaklaşık puan aralığı nedir?
STOI, 0 ile 1 arasında bir değer verir; burada daha yüksek, daha anlaşılır anlamına gelir.
PESQ, insan işitmesini hangi tür algısal frekans ölçeğini kullanarak modeller?
PESQ, Bark-band işlemeyi kullanarak sinyalleri psikoakustik bir ses yüksekliği temsiline eşler.