简介mos-pesq.zip 是一份面向音频编解码开发者的 PESQ 语音质量评测工具包用于在项目开发中客观评估 PCM 数据经编解码处理后的音质表现适合需要验证算法效果、排查音质劣化问题的工程师与研究人员使用。压缩包共 12 个文件约 207KB以 C 源码与头文件为主体包含 pesqdsp、pesqmain、pesqmod、pesqio 等核心模块另附 Makefile、shell 脚本、说明文档及测试音频压缩包编译执行 make 后即可通过 ./pesq 16000 speech.wav speech_bab_0dB.wav 的方式对参考音频与受损音频进行对比打分。资源内已内置测试音频省去自行准备素材的步骤便于快速跑通流程并观察不同信噪比条件下的得分差异。目前已有 962 人学习下载可作为音频质量评估环节的实用参考工具。1. 从 mos-pesq.zip 说起一个音频质量评估工具包到底能解决什么问题你手头有一批音频文件可能是语音合成模型的输出可能是编解码器压完的产物也可能是降噪算法处理前后的对比样本。现在需要回答一个很实际的问题这些音频的质量到底怎么样失真有多严重哪一组参数更好如果只靠人耳去听几十条还能忍几百上千条就是折磨而且不同人听出来的结论还不一致。mos-pesq.zip 这个包名拆开看MOS 是 Mean Opinion Score平均意见得分PESQ 是 Perceptual Evaluation of Speech Quality语音质量感知评估合在一起就是一套围绕语音质量打分和感知评估的工具集合。它要解决的核心诉求很明确把“听起来怎么样”变成“分数是多少”让音频质量从主观感受变成可量化、可复现、可对比的数字。这类工具在语音增强、编解码对比、TTS 输出筛选、通话链路排查里都是刚需。适合谁用做语音算法的工程师、需要批量筛音频的数据处理人员、以及想给音频质量建一条自动评估流水线的开发者。但要注意PESQ 本身有明确的适用边界它不是万能尺子用错了场景分数会骗人。下面从原理、环境、跑通、参数、避坑一路讲清楚让你拿到这个包能真正跑起来并知道结果怎么解读。2. PESQ 与 MOS 的评估逻辑为什么不能拿一个分数打天下2.1 PESQ 到底在比较什么PESQ 的设计思路是“有参考评估”。也就是说它需要两路信号一路是干净的参考信号reference一路是经过处理后的退化信号degraded。算法把两路信号都映射到一种类似人耳听觉感知的域里然后逐帧比对找出退化信号相对于参考信号在时间、频率、响度上的偏差最后把这些偏差加权汇总成一个分数。常见输出范围在 -0.5 到 4.5 之间分数越高表示退化越小、感知质量越好。它最初是为电话频带窄带300–3400 Hz的语音质量评估设计的后来扩展出宽带版本。关键点在于PESQ 衡量的是“相对于参考的退化程度”不是绝对音质。如果参考信号本身就有问题或者退化信号和参考信号根本对不齐分数就没有意义。2.2 MOS 是主观分PESQ 是它的近似代理MOS 的本义是让一群人听音频然后打分通常 1 到 5 分1 分最差5 分最好。这是最贴近人真实感受的方式但成本高、周期长、难以批量。PESQ 这类客观算法就是试图用可计算的指标去逼近主观 MOS。实践中常说的 MOS-LQOListening Quality Objective就是把 PESQ 分数经过映射曲线转成 1–5 的估计值。需要清醒认识的是PESQ 和真实 MOS 之间的相关性在特定条件下才高比如编码失真、背景噪声这类退化它比较敏感但遇到某些非线性失真、丢帧、混响过重的情况它的判断可能和人耳不一致。所以不要拿一个 PESQ 分数当最终判决它更适合做相对排序和批量筛选。2.3 选型理由什么时候用 PESQ什么时候换别的如果你的场景是有干净参考、退化主要是编码或噪声、信号能较好对齐PESQ 是成熟且被广泛接受的选择。但如果你的场景是无参考评估比如只有一段录音没有干净版本那 PESQ 用不了得考虑无参考指标或者用 DNSMOS 这类基于模型的方法。如果退化里包含明显的时间偏移、丢包、变速PESQ 的对齐机制可能失效分数会异常低这时候需要先做对齐或改用对时间鲁棒性更好的指标。选型时先问自己三个问题有没有参考信号退化类型是什么需不需要和主观分强相关答案不同工具就不同。2.4 一个最小可跑的评估流程长什么样在动手之前先把流程理清楚。典型步骤是准备参考音频和退化音频确保采样率一致、格式可读、时间大致对齐调用 PESQ 计算函数得到原始分数如果需要 MOS 估计再做映射最后把结果按文件或按参数组汇总。下面这个伪代码结构能帮你建立整体印象具体函数名以你实际拿到的包为准。# 伪代码PESQ 批量评估的基本骨架 # 注意实际函数名和参数以 mos-pesq.zip 内提供的接口为准 import os import numpy as np def load_audio(path, target_sr): # 读取音频并重采样到目标采样率 # 实际实现可用 soundfile / librosa / scipy.io.wavfile pass def compute_pesq(ref, deg, sr): # 调用 PESQ 计算返回原始分数 # 常见返回范围约 -0.5 ~ 4.5 pass def pesq_to_mos_lqo(pesq_score): # 将 PESQ 分数映射到 1~5 的 MOS-LQO 估计 # 映射曲线因窄带/宽带而异 pass ref_dir ref_wavs deg_dir deg_wavs sr 16000 # 采样率必须与算法要求一致 results [] for name in os.listdir(ref_dir): ref_path os.path.join(ref_dir, name) deg_path os.path.join(deg_dir, name) if not os.path.exists(deg_path): continue ref load_audio(ref_path, sr) deg load_audio(deg_path, sr) # 长度不一致时需先对齐或截断否则分数不可信 min_len min(len(ref), len(deg)) ref, deg ref[:min_len], deg[:min_len] score compute_pesq(ref, deg, sr) mos pesq_to_mos_lqo(score) results.append((name, score, mos)) for name, score, mos in sorted(results, keylambda x: x[1]): print(f{name}\tPESQ{score:.3f}\tMOS-LQO{mos:.3f})这段骨架里最容易被忽略的是采样率和长度对齐。PESQ 对采样率有明确要求窄带通常是 8 kHz 或 16 kHz宽带是 16 kHz喂错采样率结果直接失真。长度不一致时如果不处理算法内部对齐可能失败或产生误导性低分。批量跑之前先用一对已知好坏的音频验证流程确认分数方向符合预期再铺开。3. 把 mos-pesq.zip 在本地跑起来环境、依赖与最小验证3.1 解压后先看什么拿到压缩包后不要急着装依赖先看目录结构和说明文件。常见做法是解压到独立目录列出文件树找到入口脚本、依赖清单和示例数据。这一步能帮你判断它是纯 Python 实现、还是封装了 C 扩展、还是需要编译。不同形态的安装方式差别很大。# 解压并查看结构 unzip mos-pesq.zip -d mos-pesq cd mos-pesq find . -maxdepth 2 -type f | sort # 重点找requirements.txt / setup.py / README / examples 目录如果看到 setup.py 或 pyproject.toml说明可以按包安装如果看到 .c 或 .pyx 文件说明有编译环节需要本地有编译器如果只有一堆 .py 和示例 wav那大概率是纯脚本直接跑即可。先把这个判断做出来后面少走弯路。3.2 依赖安装与常见编译问题Python 环境下建议用虚拟环境隔离避免和系统里已有的音频库版本冲突。依赖通常包括 numpy、scipy、soundfile 或 librosa如果包内有 C 扩展还可能需要 Cython 和编译工具链。安装时最容易翻车的是编译器缺失和库版本不兼容。# 创建虚拟环境并安装依赖 python -m venv venv source venv/bin/activate # Windows 下用 venv\Scripts\activate pip install --upgrade pip pip install -r requirements.txt # 如果有 setup.py可尝试开发模式安装 pip install -e .如果安装过程中报编译错误先确认系统里有 gcc 或 clang以及 Python 开发头文件。版本冲突方面numpy 大版本升级有时会破坏旧扩展遇到 ImportError 或 ABI 相关报错优先按依赖清单锁定版本而不是盲目升级。另一个常见坑是 soundfile 依赖系统级的 libsndfile缺失时读音频会直接失败需要先装系统库再装 Python 包。3.3 用一对音频做最小验证环境装好后不要一上来就跑全量数据。先找一对参考和退化音频手动跑一次确认能出分、分数合理、没有异常报错。这一步是后面批量评估的信任基础。# 最小验证单对音频计算 PESQ import numpy as np import soundfile as sf # 假设包内提供 compute_pesq 接口实际以包内为准 from mos_pesq import compute_pesq ref, sr_ref sf.read(examples/ref.wav) deg, sr_deg sf.read(examples/deg.wav) # 采样率必须一致且符合算法要求 assert sr_ref sr_deg, 采样率不一致先重采样 print(采样率:, sr_ref, 参考长度:, len(ref), 退化长度:, len(deg)) # 长度对齐避免尾部差异干扰 min_len min(len(ref), len(deg)) ref, deg ref[:min_len], deg[:min_len] score compute_pesq(ref, deg, sr_ref) print(PESQ 原始分数:, score)跑通后重点看三件事分数是否落在合理范围、同一对音频重复跑是否稳定、把退化音频换成明显更差的版本分数是否下降。如果分数方向反了或者波动巨大说明采样率、通道数或对齐环节有问题。单通道是常见要求立体声需要先下混。3.4 批量评估脚本与结果汇总单对验证通过后把逻辑扩展成批量处理。批量脚本要处理文件缺失、采样率不一致、长度差异、异常捕获这些现实问题否则跑一半崩掉很浪费时间。# 批量评估并输出 CSV 汇总 import os import csv import numpy as np import soundfile as sf from mos_pesq import compute_pesq REF_DIR ref_wavs DEG_DIR deg_wavs OUT_CSV pesq_results.csv TARGET_SR 16000 def read_mono(path, target_sr): data, sr sf.read(path) if data.ndim 1: data data.mean(axis1) # 下混为单通道 if sr ! target_sr: # 实际重采样可用 scipy.signal.resample 或 librosa.resample raise ValueError(f采样率 {sr} 不等于目标 {target_sr}请先统一) return data rows [] for name in sorted(os.listdir(REF_DIR)): ref_path os.path.join(REF_DIR, name) deg_path os.path.join(DEG_DIR, name) if not os.path.exists(deg_path): rows.append((name, MISSING, )) continue try: ref read_mono(ref_path, TARGET_SR) deg read_mono(deg_path, TARGET_SR) n min(len(ref), len(deg)) score compute_pesq(ref[:n], deg[:n], TARGET_SR) rows.append((name, f{score:.4f}, )) except Exception as e: rows.append((name, ERROR, str(e))) with open(OUT_CSV, w, newline, encodingutf-8) as f: writer csv.writer(f) writer.writerow([file, pesq, note]) writer.writerows(rows) print(完成结果写入, OUT_CSV)批量脚本里把异常写进备注列而不是直接中断这样一轮跑完能拿到完整的问题清单。采样率统一建议在预处理阶段做掉不要指望评估函数帮你重采样。结果按分数排序后低分文件优先人工复核往往能快速定位到真正的坏样本。4. 参数怎么设、结果怎么读PESQ 评估的避坑清单4.1 采样率与带宽模式选错分数直接失真现象同一对音频用 8 kHz 和 16 kHz 分别跑分数差异明显甚至好坏排序颠倒。原因PESQ 分窄带和宽带两种模式窄带针对电话频带宽带覆盖更宽频率范围两者用的映射和权重不同。喂给窄带模式的信号如果包含高频内容或者用宽带模式处理窄带信号分数都不能反映真实感知质量。解决先确认你的音频实际带宽语音通话场景常见 8 kHz 或 16 kHz统一重采样到对应模式要求的采样率并在脚本里显式指定模式不要依赖默认值。4.2 参考与退化信号没对齐低分是假象现象退化音频听起来只是轻微噪声但 PESQ 分数低得离谱。原因两路信号存在时间偏移、起始点不一致或长度差异过大算法对齐失败把偏移当成了严重失真。解决评估前做时间对齐可以用互相关找最佳偏移或者确保两路信号来自同一时间基准。长度差异大时截取共同有效段不要简单补零补零会引入虚假失真。对齐后重跑分数通常会回到合理区间。4.3 把 PESQ 分数直接当 MOS 用现象报告里写“MOS 为 3.2”但实际那是 PESQ 原始分不是主观 MOS。原因PESQ 原始分和 MOS 的尺度不同直接混用会误导读者。解决如果需要 MOS 口径用对应的映射曲线把 PESQ 转成 MOS-LQO并注明是客观估计值而非真实主观打分。映射曲线分窄带和宽带用错同样会偏。报告里把原始分和映射分都列出来避免歧义。4.4 静音段和异常样本拉低整体结论现象批量结果里一批文件分数很低人工一听发现大部分是静音或极短片段。原因静音段信噪比极低PESQ 在无语音活动区域的计算不稳定容易产生异常低分。解决评估前做语音活动检测剔除或标记静音占比过高的文件对极短音频设置最小时长阈值。汇总时用中位数和分位数而不是单纯平均值减少异常样本对整体结论的拉扯。4.5 忽略通道数和位深读进来就错了现象脚本不报错但分数始终不对排查很久。原因立体声没下混、位深解析错误、或者音频被当成整型读取导致数值范围不对。解决读音频后先打印形状、数据类型和数值范围确认是单通道浮点且幅度在合理区间。立体声统一下混整型转浮点后归一化。这些检查写进预处理函数每次跑都过一遍能省下大量排查时间。5. 让评估结果真正可用从单次打分到可复现的对比流水线5.1 建立固定测试集和基线单次打分只能回答“这条怎么样”要回答“哪组参数更好”必须有固定测试集和基线。做法是挑一批有代表性的参考音频覆盖不同说话人、不同内容、不同长度然后固定下来。每次改算法或改参数都在这同一批上跑和基线对比。基线可以是未处理版本也可以是当前线上版本。没有固定集每次换一批数据分数波动根本分不清是算法变了还是数据变了。5.2 用分组对比代替单点分数拿到一批分数后不要只看平均值。按退化类型、按参数组、按音频长度分组统计看分布和分位数。下面这张表是一个结果汇总的示例结构实际字段按你的场景调整。分组样本数PESQ 中位数PESQ 25 分位明显低分样本数基线1203.453.106参数组 A1203.623.284参数组 B1203.182.7515中位数和低分样本数一起看能发现“平均还行但尾部很差”的情况。参数组 B 中位数下降且低分样本翻倍说明它在部分样本上引入了明显退化值得进一步定位是哪些样本、什么条件。5.3 把评估脚本纳入版本管理评估脚本本身也要版本化。预处理逻辑、采样率、对齐方式、映射曲线任何一处改动都会影响分数。把脚本和测试集清单一起纳入版本管理每次出报告时记录脚本版本和参数配置。这样过一段时间回头看能复现当时的结论而不是对着一堆分数猜当时是怎么跑的。血泪经验是没有版本记录的评估结果三个月后自己都不敢信。5.4 人工抽检作为最后一道关客观分数再方便也不能完全替代人耳。建议按分数分层抽检高分、中间、低分各抽几条人工听一遍确认分数方向和听感一致。如果发现某类样本分数和听感系统性不符说明当前指标在这个退化类型上不可靠需要调整评估策略或补充其他指标。抽检不用多每轮十几条就能发现大问题。这个习惯坚持下来能避免很多“分数很好看但上线就翻车”的情况。5.5 一个可复用的对比流程把上面几点串起来一个可复用的流程是固定测试集 → 统一预处理 → 批量计算 PESQ → 映射 MOS-LQO → 分组统计 → 分层抽检 → 记录脚本版本和配置。每一步都留下可追溯的记录下次换算法或换参数直接复用这条流水线只改变量部分。这样评估结果才真正可用而不是一次性数字。我自己现在跑任何音频质量对比都先问测试集和基线在哪没有这两样后面的分数看看就好不敢下结论。希望帮到你。本文还有配套的精品资源点击获取