Aller au contenu principal
Accès ouvert déclaré 2026 article

Self-supervised speech quality assessment (S3QA): Leveraging speech foundation models for a scalable speech quality metric

0Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Methods for automatically assessing speech quality in real world environments are critical for robust human language technologies and assistive devices. Behavioral ratings (e.g., mean opinion scores) are considered the gold standard, but are susceptible to inter-rater variability, cannot be generalized, and are labor-intensive, thus limiting the acoustic challenges they can quantify. We present a scalable method for assessing speech quality: the self-supervised speech quality assessment model. First, we manipulated high-quality utterances, using acoustic challenges that emulate real-world degradation: filtering, reverberation, background noise, and digital compression. Second, we leveraged a pre-trained speech foundation model, WavLM, to derive cosine distances between the clean and degraded versions of each utterance in the embedding space. A transformer-based model was trained to predict these cosine distances, given only the degraded utterances. The trained model was evaluated on unseen corpora of synthetic mixtures, NISQA, and VOiCES. The self-supervised speech quality assessment model accurately predicts degradation cosine distances across a wide range of acoustic challenges and is aligned with behavioral ratings (mean opinion scores), automatic speech recognition performance and other important features (microphone distances). The model is available online.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Self-supervised speech quality assessment (S3QA): Leveraging speech foundation models for a scalable speech quality metric
Date Crossref
01/04/2026
Éditeur
Acoustical Society of America (ASA)
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Les institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Speech and Audio ProcessingSpeech Recognition and SynthesisEmotion and Mood Recognition

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.