NORESQA 开源项目教程

1. 项目介绍

NORESQA（Non-Matching Reference-based Speech Quality Assessment）是一个基于非匹配参考的语音质量评估框架。该框架使用非匹配参考（NMT）和给定的测试语音信号来估计语音质量。在NORESQA框架下，有两个指标：NORESQA-score和NORESQA-MOS。NORESQA-score是基于SI-SDR的指标，用于预测测试语音与给定NMR之间的绝对相对SI-SDR以及测试语音比NMR更干净的的概率。而NORESQA-MOS则设计用于估计平均意见得分（MOS）。

2. 项目快速启动

环境准备

首先，确保你的系统中已经安装了以下Python库：Pytorch（支持GPU）、Scipy、Numpy（版本1.14或更高）、Librosa和fairseq。你可以通过以下命令在conda环境中安装所有依赖：

conda env create -f requirements.yml

激活环境：

conda activate noresqa

配置模型

在main.py中设置CONFIG_PATH，这是用于实例化NORESQA-MOS模型的Wav2Vec 2.0 Base模型的路径。默认情况下，可以从这里下载Wav2Vec 2.0 Base模型，并将其放入models/目录中。

运行示例

以下是一个运行NORESQA框架的示例命令：

python main.py --GPU_id -1 --metric_type 1 --mode file --test_file path1 --nmr path2

• --GPU_id：指定使用的GPU编号（-1代表CPU）。
• --metric_type：0代表NORESQA-score，1代表NORESQA-MOS。
• --mode：使用单个NMR或NMR列表。
• --test_file：测试录音的路径。
• --nmr：NMR文件的路径或包含文件名的txt文件。

输出示例

对于NORESQA-score，输出可能如下：

Probaility of the test speech cleaner than the given NMR = 0.11526459
NORESQA score of the test speech with respect to the given NMR = 18.595860697038006

对于NORESQA-MOS，输出可能如下：

MOS score of the test speech (assuming NMR is clean) = 2.003323554992676

注意，对于NORESQA-MOS，模型的默认输出是相对MOS。实际MOS输出为5 - (model_output)。

3. 应用案例和最佳实践

在应用NORESQA进行语音质量评估时，以下是一些最佳实践：

• 确保使用的NMR是干净的，因为NORESQA-MOS的预测基于假设提供的NMR是干净的。
• 如果输入录音的采样率不是16KHz，代码会自动调整到16KHz。
• 如果使用的GPU是非确定性的，结果可能会有轻微的差异。

4. 典型生态项目

NORESQA项目是基于Pytorch框架，可以与多个开源库和工具集成，例如：

• 使用Librosa进行音频处理。
• 利用fairseq进行序列到序列模型训练。
• 结合Scipy和Numpy进行数学运算。

这些工具和库的集成使得NORESQA可以适应多种语音处理任务，并在开源社区中得到广泛应用。