概述
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。
深入探討
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。
04工作範例
將愉悅性與正確性分開
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。
分別對可懂度、語意正確性和自然度進行評分。
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。
它顯示了什麼
本發明的比較證明了為什麼語音品質需要多個維度。
現實世界的實施
使用相同的盲法代表性段落集來比較聲音。
將發音錯誤與自然度評級分開檢查。
付諸實踐
為什麼這很重要
- 交通與覆蓋範圍. 它透過轉錄、旁白和語音介面提高了可訪問性。
- 成本與預算. 媒體團隊可以用更少的預算更快地交付精美的音訊。
- 速度與規模. 面向客戶的系統可以處理更大規模的語音互動。
留意
- 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。
後續步驟
- 獲得語音捕獲、克隆和重用的明確同意。
- 測試不同揚聲器和背景條件下的品質。
- 定義人員必須審查或批准輸出的時間。
- 標記合成音訊並保留來源記錄以供問責。
資料來源與延伸閱讀
- ITU-T Recommendation P.800傳輸品質的主觀判定方法
不斷探索
常見問題
我可以直接比較兩個不相關報告的 MOS 分數嗎?
只有小心。方法、監聽器、樣本和條件需要具有可比性,數值差異才有意義。