研究背景

‚ 1.2.1 評分機制

真實的語音品質測量，是將錄製的語音訊號撥放給一群人聆聽，並由這群聽者給予 此聲音的品質好壞評分[3][4]。最常用的評分機制為「平均意見分數」(Mean Opinion Score，MOS)，藉由每位評分者之「絕對分類計分」(Absolute Category Ratings，ACR) 的平均值來得到，在絕對分類計分(ACR)中，聽者直接聽取受汙染之語音訊號(degraded signal)並直接給予評分，分數為一分到五分無小數點之分數;另有「衰減平均意見分數 測試」(Degraded Mean Opinion Score，DMOS)，在此測試中，聽者在聽取受汙染之語 音訊號前先聽取無雜訊的原音，再經由將每位評分者之「衰減分類計分」(Degradation Category Ratings)取平均值求得，此測試方式通常用於音響(Audio)之品質評測。另有

「比較分類計分」(Comparison Category Ratings，CCR)的測試方式，相較於前者「衰 減分類計分」(DCR)，此評分同樣是將後者語音訊號比較前者語音訊號，不同處在於「比 較分類計分」(CCR)中，聽者第一次聽到的可能是有雜訊語音，亦即前後無噪音或有噪 音之語音，撥放次序並無固定。[5][6]

Grade ACR(MOS) DCR(DMOS) Grade CCR

3 Much Better

語 音 品 質 測 試 實 際 上 包 含 : 收 聽 品 質 測 試 (Listening Quality Test) [3][4][5][6] 、 音 響 品 質 測 試 (Audio Quality Test)[4][8][9] 、 及 對 話 品 質 測 試 (Conversation Quality Test)[4][7]。本論文主要探討最為一般狀況的收聽品質測試。

‚ 1.2.2 評分模型分類

依照不同的分類方式，語音品質測量模型可分為以下幾種 一、評測品質者為「人」或「電腦演算法」:

(1) 主觀式評測(subjective test):其優點在於得到分數為人真實的平均 意 見 ， 因 此 在 受 測 者 數 量 多 的 情 況 下 最 準 確 。 其 缺 點 在 於 耗 時 (time-consuming)且需要大量金錢確定錄音設備及錄音環境的穩定。

(2) 客觀式評測(objective test):其優點在於有效率，且不需實際聽者 去評分，也避免了聽者所處的接收環境之影響，更切合實際上的運用及需 求。其缺點在於，客觀式演算法尚無法完全模擬人的判斷行為。此外，客 觀式評測所能判斷的狀況不一，有時需視應用的要求做適時的修正。

圖 1.1

二、評測品質時「是否有原始語音訊號(無汙染訊號)」:

圖 1.2 Intrusive & Non-Intrusive Methods.

(1) 有參照(原始)訊號狀況下之測量(Intrusive Method, Reference base, Input-Output Base):

此為最基本的客觀式評測方法，由於有對照訊號，因此專家們著重於 語音參數的選取與評分方式，然而此方法較不符合實際需求，例如評測語 音品質的環境不一與遠距離通訊時接收端不易取得原始訊號，使得此方法 對於新的通訊技術(ex.VoIP[12])不見得適用。

(2) 無參照訊號狀況下之測量(Non-Intrusive Method, Non-Reference base, Output Base):

無參照訊號狀況下之測量，顧名思義測量語音品質時沒有原始訊號，

優點在於運用上較實際，在演算法設計良好之情況下可做及時的品質監 測，缺點在於設計上較困難，且難以完全應付不同噪音狀況，又可分為以 下兩種:

a. 模型式(Model base, black box approach):

主要的概念為選取適當的參數後，建立統計或機率式的乾淨語音模 型(ex. 隱藏式馬可夫模型(HMM)[10]、高斯混合模型(GMM)[11])。

當 接 受 汙 染 的 語 音 (degraded speech signal, signal after channel)後，擷取其中參數並與資料庫中乾淨語音比對出差異，由 此差異性來判別品質好壞

b. 參數式(parametric base, glass box approach ):

與上者最大的差別在於，參數式不做資料庫模型的訓練，直接由受 汙染語音中，擷取認為造成影響語音品質因素的參數，直接由此參 數作評分。優點在於本方法較直覺，但缺點是影響人對語音評判好 壞的因素眾多(ex. Suddenly mute, harmonicity, naturalness, intelligibility…)，因此，目前仍有許多研究著重於發掘影響語 音品質的因素。

圖 1.3 Black box & Glass box