只需两行代码即可预测主观语音评分，支持多种MOS预测系统。

predictor = torch.hub.load("tarepan/SpeechMOS:v1.2.0", "utmos22_strong", trust_repo=True)
score = predictor(wave, sr)
# tensor([3.7730])，高质量语音！

演示

使用UTMOS预测您的音频的自然度（自然度平均意见得分）：

import torch
import librosa

wave, sr = librosa.load("<你的音频>.wav", sr=None, mono=True)
predictor = torch.hub.load("tarepan/SpeechMOS:v1.2.0", "utmos22_strong", trust_repo=True)
score = predictor(torch.from_numpy(wave).unsqueeze(0), sr)
# tensor([3.7730])

使用方法

SpeechMOS使用torch.hub内置的模型加载器，因此无需导入库😉
（作为一般依赖项，SpeechMOS需要Python>=3.8、torch和torchaudio。）

首先，使用模型指定字符串实例化MOS预测器：

import torch
predictor = torch.hub.load("tarepan/SpeechMOS:v1.2.0", "<模型指定符>", trust_repo=True)

然后，传入语音张量 :: (批次, 时间)：

waves_tensor = torch.rand((2, 16000)) # 两段语音，每段1秒（采样率=16,000）
score = predictor(waves_tensor, sr=16000)
# tensor([2.0321, 2.0943])

返回的分数 :: (批次,) 是每段语音的预测MOS。
如果您希望对语音进行MOS平均（例如，用于TTS模型评估），只需对它们取平均值：

average_score = score.mean().item()
# 2.0632

预测器

本仓库是各种MOS预测系统的重新实现集合。
目前我们提供以下模型：

致谢

• UTMOS
  • 论文
  • 仓库