arXiv cs.CL· Kehinde Elelu, Joshua E. Siegel, Mohammadali Saffary, Tashfain Ahmed, Simeon Babatunde, Ebuka Okpala·· 12 小时前AI 评分24
ConformalMOS：用共形区间与序数建模实现不确定性感知的 MOS 预测
ConformalMOS: Uncertainty-Aware MOS Prediction with Conformal Intervals and Ordinal Modeling
AI 导读
ConformalMOS 框架在 MOS 预测中引入共形预测，在可交换性假设下给出具有覆盖保证的统计有效预测区间，同时保留点估计。训练时将 one-hot 目标转为高斯平滑分布以保留分数顺序，改善了 softmax 置信度过高时的校准。在 BVCC 数据集上 MSE 为 0.08，并经验证了区间覆盖率。
正文 · AI 翻译
摘要：准确预测人类平均意见得分（MOS）对于评估文本转语音（TTS）和语音转换（VC）中的合成语音质量至关重要。大多数 MOS 预测器仅输出点估计并忽略不确定性，这限制了模型选择与部署中的可靠性。我们提出 ConformalMOS，一个通过共形预测增强 MOS 预测的框架，在可交换性假设下生成具有保证覆盖率的统计有效预测区间，并同时给出点估计。在训练过程中，通过将 one-hot 目标转换为高斯平滑分布，以序数感知的方式对 MOS 标签建模，从而保留分数排序。这改善了不确定性校准，尤其是当 softmax 置信度对分布外语音过度自信时。在 BVCC 数据集上，ConformalMOS 取得了有竞争力的准确率（MSE = 0.08），同时提供了经实证验证的覆盖率，增强了真实世界 TTS 和 VC 部署的可靠性。
| 主题： | 声音（cs.SD）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.36126 [cs.SD] |
| （或 arXiv:2610.36126v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36126 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tashfain Ahmed [查看电子邮件]
[v1]
2026年10月26日星期一 18:35:12 UTC（279 KB）
来源：arXiv cs.CL · arxiv.org