概述
平均意見分數 (MOS) 是人類聽眾的 1 到 5 平均評分，用於衡量合成或傳輸的音訊聲音的好壞程度。它是判斷文字轉語音、語音複製和音訊編解碼器的黃金標準，因為最終觀眾是人類，而不是機器。
平均意見評分評估位於音訊人工智慧工作流程中，可將語音、音樂和聲音轉化為通訊、可訪問性和媒體製作。
深入探討
MOS 來自 ITU 標準化的電話網路測試（建議 P.800）。聽眾聽到簡短的音訊片段，並以五分制對每個片段進行評分：5 = 優秀，4 = 良好，3 = 一般，2 = 差，1 = 差。對許多剪輯和聽眾的許多評分進行平均即可得出 MOS。變體針對特定問題：MOS-LQS 用於整體質量，比較 MOS (CMOS) 用於 A/B 偏好，MUSHRA 用於細粒度編解碼器比較。在現代人工智慧語音研究中，MOS 是 WaveNet、Tacotron 和 VALL-E 等系統的主要指標。由於人工評估緩慢且成本高昂，預測 MOS 模型（DNSMOS、UTMOS、NISQA）現在可以自動估計分數，儘管人工 MOS 仍然是值得信賴的參考。
技術洞察
適當的 MOS 研究控制聆聽條件：校準耳機、固定響度、隨機剪輯順序以及每個樣本足夠的評估者（通常超過 20 個），因此平均值在統計上是穩定的。研究人員報告了 95% 的置信區間，因為 0.1 MOS 間隙可能是噪音。至關重要的是，MOS 並不是絕對的物理測量；它以該會話中的特定剪輯和說明為基礎，因此不同研究的分數不能直接比較。
掌握平均意見分數評估
平均意見分數 (MOS) 是人類聽眾的 1 到 5 平均評分，用於衡量合成或傳輸的音訊聲音的好壞程度。它是判斷文字轉語音、語音複製和音訊編解碼器的黃金標準，因為最終觀眾是人類，而不是機器。平均意見評分評估位於音訊人工智慧工作流程中，可將語音、音樂和聲音轉化為通訊、可訪問性和媒體製作。為了建立深入的理解，請將平均意見分數評估視為一種操作模型，而不是單一功能：定義期望的結果，澄清假設，並將系統可以可靠地完成的任務與仍需要專家判斷的任務分開。
在實踐中，使用平均意見評分評估的強大團隊將品質、延遲和同意視為部署策略中同等重要的部分。他們記錄明確的成功標準，根據實際數據和工作流程進行測試，並根據觀察到的失敗模式而不是一次性基準測試勝利進行迭代。這就是理論理解轉變為跨產品、政策和營運的持久能力的地方。
它透過轉錄、旁白和語音介面提高了可訪問性。同時，如果未徵得同意，語音濫用和冒充風險就會增加。最具彈性的方法是將實驗速度與治理規則結合：運行試點、捕獲證據、發布決策日誌，並隨著模型行為、使用者期望和監管要求的發展不斷更新保障措施。
戰略影響
它透過轉錄、旁白和語音介面提高了可訪問性。
它透過轉錄、旁白和語音介面提高了可訪問性。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
媒體團隊可以用更少的預算更快地交付精美的音訊。
媒體團隊可以用更少的預算更快地交付精美的音訊。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
面向客戶的系統可以處理更大規模的語音互動。
面向客戶的系統可以處理更大規模的語音互動。在高品質部署中，這會轉化為可衡量的操作規則、所有權邊界和定期審查儀式，以便團隊可以增強信心，而不是擴大模糊性。
現實世界的實施
透過要求聽眾對自然度進行評分 1-5 來比較導航應用程式的兩種文字轉語音
使用聽眾評級以相同位元率對新的神經音訊編解碼器與 MP3 進行基準測試
在有聲書產品中部署之前驗證語音克隆模型的輸出品質
電信工程師對新 VoIP 網路的通話品質進行評分，以證明其滿足 4.0 MOS 目標
實施模式
實踐中的平均意見得分評估
透過要求聽眾對自然度進行評分 1-5 來比較導航應用程式的兩種文字轉語音。
透過要求聽眾對自然度進行評分來比較導航應用程式的兩種文字到語音的聲音 1-5 團隊在預先定義品質閾值、為邊緣情況保留人工升級路徑並隨著時間的推移跟踪生產力增益和錯誤成本時通常會獲得更好的結果。
實踐中的平均意見得分評估
使用聽眾評分，以相同位元率對新的神經音訊編解碼器與 MP3 進行基準測試。
使用聽眾評級以相同位元率對新的神經音訊編解碼器與 MP3 進行基準測試 當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力增益和錯誤成本時，通常會獲得更好的結果。
實踐中的平均意見得分評估
在部署到有聲書產品之前驗證語音克隆模型的輸出品質。
在有聲書產品中部署之前驗證語音克隆模型的輸出品質 當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
實踐中的平均意見得分評估
電信工程師對新 VoIP 網路的通話品質進行評分，以證明其滿足 4.0 MOS 目標。
電信工程師對新 VoIP 網路的通話品質進行評分，以證明其滿足 4.0 MOS 目標。當團隊預先定義品質閾值、為邊緣情況保留人工升級路徑並追蹤一段時間內的生產力提升和錯誤成本時，通常會獲得更好的結果。
風險與防護欄
如果未徵得同意，語音濫用和冒充風險就會增加。
由於口音、方言或嘈雜的環境，準確性可能會下降。
如果沒有明確的標籤，合成音訊可能會被誤認為是真實的語音。
實施路線圖
獲得語音捕獲、克隆和重用的明確同意。
獲得語音捕獲、克隆和重用的明確同意。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
測試不同揚聲器和背景條件下的品質。
測試不同揚聲器和背景條件下的品質。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
定義人員必須審查或批准輸出的時間。
定義人員必須審查或批准輸出的時間。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。
標記合成音訊並保留來源記錄以供問責。
標記合成音訊並保留來源記錄以供問責。將每個步驟視為證據門：如果不符合標準，則暫停推出，縮小差距，然後再擴大使用。