M21-E1 · 质量评分体系¶
| 状态 | ✅ 已并入 E4 §1（2026-09-05） |
| 一句话 | "质量评分体系"就是一组有出处的指标加上真实录音锚点；它随 α 的曲线正是 E4 的主结果，不另立实验 |
结论摘要¶
| 指标 | 出处 | 真实录音参考 |
|---|---|---|
| UTMOS | Saeki et al., Interspeech 2022 | 中立 3.71 · 情感 2.76（UTMOS 对情感语音系统性低 1 分，模型输出应与情感录音比） |
| CER | Paraformer-zh（Gao et al., Interspeech 2022）/ whisper-large-v3（英文） | 0.01–0.03 |
| SECS | WavLM-base-plus-sv（Chen et al., IEEE JSTSP 2022） | 同一人的中立录音 0.886（不是 1.0） |
| RA | 相对属性排序，E2 | 中立 0.08 · 情感 1.07；仅在 CER ≤ 0.1 的可懂音频上可解释 |
完整曲线、可用区间与路由见 E4。