测量音频质量和吸引力/美感

Question

有没有办法测量音频剪辑的appeal/aesthetic和质量？质量量化声音有多好，即噪音越低，质量越好。而吸引力/审美则衡量声音对人类有多大的吸引力。像尼玛这样的图像质量和美感评估方面还存在一些工作，但对声音/音频却没有。任何方法或引用都会有帮助。

Answer 1

音频质量或音质的测量是在机器学习和机器学习的情况下完成的。然而，大部分的工作集中在语音再现，更不用说一般的音频。

一个人可以进行听力测试，其中一个小组的人听录音，并给他们的分数，以建立一个平均意见评分(MOS)。用于执行这些操作的标准有几个，例如MUSHRA。这样的主观分数构成了发展“客观度量”的基础，这是评估音频质量的算法方法。早期的例子是用于语音质量的PESQ (2001年以来的国际电联标准)和用于音频质量的PEAQ (自1998年以来的国际电联标准)。更先进的包括POLQA (国际电联自2011年以来的标准)和ViSQOLAudio (在研究中提出的)。

在过去的几年中，有几篇论文表明，我们可以使用深度神经网络来学习这些度量。关于语音质量，最近的一篇论文(2019年)是基于卷积神经网络的侵入性和非侵入性感知语音质量评价。

我发现的唯一的关于一般音频质量或音乐质量的学习评价是Fréchet音频距离。