论文
语音MOS评估流水线：诊断并LoRA适配音频语言模型
Scalable Audio-LLM System for Speech MOS Evaluation: A Diagnostic Case Study and Adaptation Roadmap
摘要
企业语音系统的持续部署产生了一个关键的运营瓶颈：评估大批量生产更新中合成语音的声学质量。虽然人类平均主观评分 (MOS) 仍然是质量黄金标准，但它带来了严重的运营成本和周转延迟，使得持续集成变得不可行。在这项工作中，我们提出了一个可扩展、低成本和离线评估管道的系统设计案例研究，能够以较低边际成本对大批量合成语音进行评分。首先，我们在零样本设置中使用 Qwen2-Audio-7B-Instruct 进行细粒度MOS估计，注意到感知盲点和固有偏差。然后，我们分析 SOMOS 数据集并构建一个诊断基准，该基准将与人类自然度评分相关的两个韵律维度转化为可测指标。最后，我们通过参数高效微调（LoRA），使Qwen2-Audio-7B-Instruct适配MOS评估任务，观察到其优于基础模型和UTMOS等常用神经基线，并为企业级语音质量保证建立实用的蓝图。
