語音合成品質

這些維度可能不一致：聲音聽起來很自然，但說錯了詞。使用代表性的聽眾和內容評估最終音訊。

重點摘要

• 指定收聽條件。
• 將正確性與自然性分開。
• 查看最終交付的音訊。

定義聆聽情境。簡短的通知、長時間的教訓和電話交談有不同的需求。播放設備、背景噪音、語速和聽眾的語言體驗都會影響結果。使用結構化的評估而不是非正式的印象。要求聽眾評估指定的維度並記錄程序、樣本選擇和不確定性。只有當聽力條件和評分方法已知時，平均意見分數才變得可以解釋。包括困難的材料：名稱、縮寫、數字、語碼轉換、強調和長段落。檢查各個片段的一致性以及停頓或重音是否改變了意義。自動化指標可以幫助識別迴歸，但不能取代每一個聆聽判斷。檢查任何壓縮、混合或平台處理後的最終導出。合理地匹配響度，避免削波，並保留可存取的文字記錄。提高實驗室分數的變更仍應在觀眾能夠聽到的環境中進行測試。

1. 建構同一個句子的兩個剪輯。片段A聽起來很自然，但將“十五”改為“五十”；剪輯 B 聽起來不太自然，但說出了正確的數字。
2. 分別對可懂度、語意正確性和自然度進行評分。
3. 根據任務的要求進行選擇，而不是平均消除意義改變的錯誤。

本發明的比較證明了為什麼語音品質需要多個維度。