Deep learning 测量音频质量和吸引力/美感

有没有办法衡量音频剪辑的质量和吸引力/美感？质量量化了声音的质量，即噪音越低，质量越好。然而，吸引力/美学衡量声音对人类的吸引力。存在一些图像质量和美学评估方面的工作，例如，但不包括声音/音频方面的工作。任何方法或参考都会有帮助。

音频质量或哮喘的测量是在有或没有机器学习的情况下进行的。 然而，大部分的工作集中在语音再现上，更不用说一般的音频了

一个人可以进行听力测试，由一组人类教授听音频并给出分数， 建立平均意见分数（MOS）。 执行这些操作有几个标准，例如。 这些主观分数构成了开发“客观指标”的基础，这是评估音频质量的算法方法。 早期的一些例子是关于语音质量（2001年以来的ITU标准） 和音频质量（1998年以来的ITU标准）。 更高级的包括（2011年以来的ITU标准）和（在研究中提出）

过去几年的几篇论文表明，人们可以使用深度神经网络学习这些度量。 关于语音质量，最近的一篇论文（2019年）是

---

我发现对一般音频质量或音乐质量的唯一学习评估是。

音频质量或哮喘的测量是在有和没有机器学习的情况下进行的。 然而，大部分的工作集中在语音再现上，更不用说一般的音频了

一个人可以进行听力测试，由一组人类教授听音频并给出分数， 建立平均意见分数（MOS）。 执行这些操作有几个标准，例如。 这些主观分数构成了开发“客观指标”的基础，这是评估音频质量的算法方法。 早期的一些例子是关于语音质量（2001年以来的ITU标准） 和音频质量（1998年以来的ITU标准）。 更高级的包括（2011年以来的ITU标准）和（在研究中提出）

过去几年的几篇论文表明，人们可以使用深度神经网络学习这些度量。 关于语音质量，最近的一篇论文（2019年）是

---

我发现，对一般音频质量或音乐质量的唯一学习评估是。

吸引力必然与人的当前情绪联系在一起，因此，只有在对人进行评估之后，才能衡量给定剪辑的任何指标。。。如果这是可能的，那么结果指标将只对该倾听的时间点有效，而在其他时间和任何时候对其他人都是无效的。上诉必然与该人当前的情绪联系在一起，因此，只有在评估该人之后，才能测量给定剪辑的任何指标。。。如果这是可能的，那么结果指标将只在倾听的时间点有效，而在其他时间和任何时候对其他人都是无效的