自动语音识别在清晰度评估及TTS系统评估平台中的应用

### 自动语音识别在清晰度评估及TTS系统评估平台中的应用 #### 自动语音识别用于清晰度评估 在一系列实验中，研究人员对比了专业电视播音员朗读文本的清晰度，以及基于参数双音素（M10、F4）和PSOLA三音素（M12、F5）的文本转语音（TTS）系统合成相同文本的清晰度。结果显示，除了M12的语音外，通过词识别率（WRR）衡量的TTS系统的清晰度与专业播音员的清晰度大致相同，这是令人惊讶的发现。 |语音|WRR [%]| |----|----| |电视播音员| - | |TTS - M10| - | |TTS - M12| - | |TTS - F4| - | |TTS - F5| - | 下面通过mermaid流程图来展示实验对比的流程： ```mermaid graph LR A[准备专业播音员朗读文本和TTS系统合成文本] --> B[使用WRR评估清晰度] B --> C{是否为M12语音} C -- 是 --> D[M12可能存在差异] C -- 否 --> E[TTS系统清晰度与专业播音员大致相同] ``` 研究提出了一种自动测量语音清晰度的方法，该方法基于自动语音识别（ASR）技术，试图用其替代人类听众来评估经典韵律测试或人类说话者和TTS系统朗读的流畅语音的清晰度。这些清晰度测量具有侵入性、可重复性，并且不需要输入和输出之间的时间同步。与主观听力测试相比，该方法快速、成本低且耗时少。它可以与其他侵入性测量方法一起，用于在实际应用之前比较各种算法。此外，韵律测试和DUR的应用还能够检测测试算法中音素实现的分段缺陷。 该方法已应用于多个TTS任务的清晰度评估，例如不同TTS系统的比较、语音转换、基频修改和语速调整等。然而，这种清晰度测量的结果并不能给出整体质量的答案，例如通过平均意见得分（MOS）量表、可接受性度量等。因此，这种清晰度评估必须与进一步的语音质量评估相结合。 #### ECESS平台用于基于Web的TTS模块和系统评估 ECESS（欧洲语音合成卓越中心）的主要目标是推动TTS技术发展，同时加速从基础研究到产品的转化过程。为了实现这一目标，需要定义明确的程序来评估不同的TTS组件和完整的TTS系统。为此，开发了一个名为RES（远程评估系统）的基于Web的分布式系统。 RES系统的基本架构由RES客户端、RES服务器和一个或多个RES模块服务器组成。RES客户端和RES模块服务器分布在世界各地的不同合作伙伴处，所有模块通过TCP/IP和UDP连接到互联网。这种架构使合作伙伴能够将其模块（工具）放置在Web上，并通过远程访问机制访问其他合作伙伴的模块。 RES系统的使用步骤如下： 1. 合作伙伴使用RES客户端将输入数据放入RES系统。 2. 选择一个可用的XML场景以执行特定的评估任务。 3. 所选场景自动传输到RES服务器和RES模块服务器，定义RES系统的行为。 4. 用户根据所选场景选择所需的TTS组件，并运行RES系统。 5. RES客户端的输入数据传输到RES服务器，RES服务器与选定的RES