감정 음성 증강 데이터 품질 평가를 위한 다차원 ESQ 메트릭
Multi-Domain ESQ Metrics for Quality Assessment of Augmented Emotional Speech
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 자동음성인식(ASR) 기술 발전과 함께 음성 감정 인식(SER) 기반 응용 연구가 활발히 진행되고 있다. 음성 감정 인식 성능은 데이터의 품질과 양에 크게 의존하며, 여전히 데이터 부족 문제가 존재하여 데이터 증강 기법 연구가 필수적이다. PESQ, STOI 등의 기존 음성 품질 평가 메트릭은 단일 차원의 평가 방식으로써, 감정 발화 음성과 같은 고차원적, 다차원적 특성을 갖는 오디오 데이터의 품질을 종합적으로 평가하지 못하는 단점이 존재한다. 본 연구는 증강된 감정 음성데이터의 품질 평가를 위한 ESQ(Emotion-Specific Quality Assessment) 메트릭을 제안한다. ESQ 메트릭의 유효성 검증을 위해 MetricGAN으로 품질 레벨별 증강을 수행한 EMO 데이터 셋을 활용하였다. 실험 결과, 7개 그룹에서 품질 레벨 증가에 따른 일관된 평가 점수 향상을 확인하였으며, 전체 평균 향상률은 90.75%를 달성하였다.
Abstract
Recent advances in Automatic Speech Recognition (ASR) technology have driven active research in Speech Emotion Recognition (SER) applications. While SER performance heavily depends on data quality and quantity, data scarcity remains a persistent challenge, making data augmentation techniques essential. Existing voice quality evaluation metrics such as PESQ and STOI are single-dimensional evaluation methods, and have the disadvantage of not being able to comprehensively evaluate the quality of audio data with high-dimensional and multi-dimensional characteristics, such as emotional speech. This study proposes ESQ (Emotion-Specific Quality Assessment) metrics for evaluating the quality of augmented emotional speech data. To validate the ESQ metrics, we utilized the EMO dataset augmented across quality levels using MetricGAN. Experimental results demonstrate consistent score improvements across all seven groups as quality levels increase, achieving an overall average improvement rate of 90.75%.