简介mos-pesq.zip 是一套面向音频编解码开发者的 PESQ 语音质量评测工具适合需要在项目中对 PCM 编解码前后音质进行客观打分的工程师与研究人员。PESQ 作为 ITU-T 推荐的语音质量评估算法可输出 MOS 分值帮助判断编解码、降噪或传输链路对语音清晰度的影响是音频算法验证环节的实用手段。压缩包共 12 个文件约 207KB以 C 源码与头文件为主体另含 Makefile、shell 脚本、说明文档及测试音频压缩包结构紧凑、便于直接编译运行。使用方式简单执行 make 完成编译再以 ./pesq 16000 speech.wav speech_bab_0dB.wav 形式指定采样率与参考、退化音频即可得到评分。资源内附测试音频方便快速验证环境与理解输入输出格式也可替换为自己的 PCM 数据做对比实验。目前已有 963 人学习下载适合希望低成本引入语音质量客观评测能力的开发者参考。1. 从一个压缩包名说起mos-pesq.zip 到底装了什么第一次看到mos-pesq.zip这个文件名多数人的第一反应是「又一个语音质量评估的轮子」。但真正做过通话链路测试的工程师会立刻意识到它大概率是把 MOS 主观评分和 PESQ 客观算法绑在一起的一套工具集。MOS 解决的是「人耳听着怎么样」PESQ 解决的是「机器算出来多少分」两者之间的映射关系才是工程落地的核心。这个压缩包通常包含 PESQ 参考实现、MOS 映射脚本、测试音频样本和批量跑分入口。它适合三类人做 VoIP 通话质量监控的、做音频编解码选型对比的、以及需要给语音增强模型打分的算法工程师。如果你手头正缺一套能批量出分、又能和主观听感对齐的评估流程这个方向值得花时间拆开看。2. PESQ 打分链路拆解从 wav 输入到 MOS 映射2.1 为什么不能直接拿 PESQ 原始分当结论PESQ 的输出范围在 -0.5 到 4.5 之间它本质是一个经过心理声学模型加权的信噪比度量。很多人跑完 PESQ 看到 3.2 就以为通话质量不错但实际用户可能已经在抱怨「声音发闷」。原因在于 PESQ 对时延抖动、丢包突发、非线性失真这三类问题的敏感度并不一致。原始 PESQ 分高不代表 MOS 分高。工程上必须做一步映射把 PESQ 分、丢包率、抖动缓冲深度一起喂给一个回归模型才能得到接近主观听感的 MOS 预测值。常见做法是用 ITU-T P.862 建议书里的参考映射曲线做初版再用自己业务场景的听测数据做二次校准。2.2 用 Python 跑通单文件 PESQ 最小命令假设压缩包解压后目录结构是pesq/、scripts/、samples/先确认参考实现是否可调用。下面这段代码演示单文件打分的最小闭环import os import subprocess import soundfile as sf # 参考音频和退化音频必须同采样率、同长度 ref_path samples/ref_16k.wav deg_path samples/deg_16k.wav # 检查采样率PESQ 窄带模式只支持 8k/16k ref_info sf.info(ref_path) deg_info sf.info(deg_path) assert ref_info.samplerate deg_info.samplerate, 采样率不一致先重采样 assert ref_info.samplerate in (8000, 16000), PESQ 窄带仅支持 8k 或 16k # 调用 PESQ 可执行文件16000 表示窄带 16k 模式 cmd [ ./pesq/pesq, 16000, ref_path, deg_path ] result subprocess.run(cmd, capture_outputTrue, textTrue) print(result.stdout) # 输出形如 Prediction : 3.245逻辑说明PESQ 参考实现通常以命令行工具形式提供参数16000指定窄带 16kHz 采样模式如果是 48k 宽带场景需要换成wb并确保输入是 48k。参数说明ref_path必须是干净参考音频deg_path是经过编解码或网络损伤后的音频两者长度必须严格一致否则会报错或静默截断。跑完拿到 Prediction 值后先别急着下结论把它记下来进入下一步映射。2.3 把 PESQ 分映射成 MOS 分的三种做法第一种是查表法直接用 ITU-T P.862.1 的映射公式def pesq_to_mos(pesq_score): # ITU-T P.862.1 推荐的窄带映射公式 if pesq_score -0.5: pesq_score -0.5 if pesq_score 4.5: pesq_score 4.5 mos 0.999 (4.999 - 0.999) / (1 math.exp(-1.4945 * pesq_score 4.6607)) return round(mos, 2)第二种是分段线性拟合适合你有自己业务听测数据的情况。第三种是梯度提升回归把 PESQ 分、丢包率、抖动值、编解码类型做 one-hot 后一起输入。我一般会先用第一种跑通全流程再用第二种做业务校准第三种只在有上千条听测样本时才考虑。参数上注意映射公式里的系数不要随意改改了之后必须用留出集验证否则容易过拟合到某几通电话上。2.4 批量跑分的目录约定与并发控制单文件跑通后批量场景下最容易翻车的是文件命名混乱和并发写冲突。建议目录结构固定为ref/和deg/两个子目录文件名一一对应。下面是一个带并发限制的批量脚本骨架import concurrent.futures import glob import os def run_one(ref_file): base os.path.basename(ref_file) deg_file os.path.join(deg, base) if not os.path.exists(deg_file): return base, None # 调用上一节的单文件打分函数 score single_pesq(ref_file, deg_file) return base, score ref_files glob.glob(ref/*.wav) # 并发数不要超过 CPU 核数PESQ 是计算密集型 with concurrent.futures.ThreadPoolExecutor(max_workers4) as executor: results list(executor.map(run_one, ref_files)) for name, score in results: if score is None: print(f{name} 缺少退化文件跳过) else: print(f{name} PESQ{score})参数说明max_workers建议设为物理核数的 70% 左右留出余量给系统调度。如果发现跑分速度骤降先检查是不是某个 wav 文件采样率不对导致 PESQ 内部重采样卡住。批量跑完后把结果写进 CSV字段至少包含文件名、PESQ 原始分、映射后 MOS 分、处理耗时。3. 避坑与排查PESQ 跑分翻车的五个典型场景3.1 采样率不匹配导致分数异常偏低现象同一段音频参考和退化文件听起来几乎一样但 PESQ 只有 1.2 分。原因参考是 16k退化是 8kPESQ 内部做了隐式重采样引入了额外失真。解决跑分前统一用sox或librosa重采样到同一采样率并且显式断言。命令示例sox input.wav -r 16000 -c 1 output.wav注意单声道和双声道也要统一PESQ 对多声道支持很差。3.2 静音段对齐偏差让分数虚高现象退化音频开头多了 200ms 静音PESQ 反而给了 3.8 分。原因PESQ 的时域对齐算法在静音段容易误判把静音当成了有效信号的一部分。解决跑分前做静音裁剪用librosa.effects.trim去掉首尾静音或者用 VAD 检测后手动对齐。注意不要裁得太狠保留 50ms 左右的余量否则会切掉辅音起始段。3.3 编解码类型不同导致映射曲线失效现象A 编码器 PESQ 3.5 映射后 MOS 4.1B 编码器 PESQ 3.6 映射后 MOS 3.9。原因P.862.1 映射公式是在特定编码器集合上拟合的对某些新型编码器如基于神经网络的编解码不适用。解决按编码器类型分组分别拟合映射曲线或者把编码器类型作为特征加入回归模型。如果样本量不够至少要在报告里注明映射曲线的适用范围。3.4 并发跑分时临时文件冲突现象批量跑分时偶发报错「cannot open temp file」。原因PESQ 参考实现会在当前目录生成临时文件多线程并发时文件名冲突。解决每个线程用独立的临时目录通过tempfile.mkdtemp()创建跑完删除。或者干脆用进程池代替线程池每个进程独立工作目录。这个坑很隐蔽单文件测试永远遇不到。3.5 把 PESQ 分直接当 MOS 写进验收报告现象验收会上业务方质疑「为什么 MOS 4.2 用户还在投诉」。原因PESQ 只评估语音质量不评估回声、双讲、卡顿这些交互体验问题。解决PESQ 分只作为语音质量维度的参考验收报告里必须同时包含回声返回损耗、双讲切换时间、端到端时延等指标。我一般会在报告首页写一句「PESQ/MOS 仅反映单向语音质量」避免后续扯皮。4. 让 mos-pesq 跑得更稳参数调优与结果验证4.1 窄带与宽带模式的选择依据PESQ 有窄带8k/16k和宽带48k两种模式选错模式比不跑还糟糕。判断依据是业务链路的实际采样率传统电话链路用窄带VoLTE 和会议系统用宽带。如果不确定先看编解码器G.711、G.729 走窄带Opus、AAC 走宽带。下面是一个模式选择对照表业务场景采样率PESQ 模式参数写法传统电话8k窄带8000窄带 VoIP16k窄带16000宽带会议48k宽带wb音乐场景48k不适用改用 POLQA注意宽带模式下 PESQ 对音乐信号的表现很差如果业务涉及音乐传输不要用 PESQ 做主要指标。4.2 用听测样本反向验证映射曲线映射曲线不是拟合完就完事必须用独立听测样本验证。具体做法从业务录音里随机抽 30 到 50 条组织 3 到 5 人做 MOS 听测每人独立打分后取平均。然后把听测 MOS 和映射 MOS 做散点图看是否落在对角线附近。如果偏差超过 0.5 分的样本超过 20%说明映射曲线需要重新校准。这一步很费时间但省不得否则后面所有自动化跑分都是空中楼阁。4.3 把跑分结果接入持续集成如果团队有持续集成环境可以把 mos-pesq 跑分做成一个固定任务。每次编解码参数变更或网络损伤模型更新后自动跑一遍回归集输出 PESQ 和 MOS 的对比报告。关键是要固定回归集不要每次换音频否则分数波动无法归因。我一般会保留三套回归集干净场景、中等损伤、极端损伤分别对应不同的验收阈值。阈值设定上干净场景 MOS 不低于 4.0中等损伤不低于 3.5极端损伤不低于 2.8低于阈值就阻断合并。4.4 一个容易被忽略的细节音频增益归一化PESQ 对整体增益不敏感但对增益突变很敏感。如果退化音频在中间某段被自动增益控制拉高或压低PESQ 会给出偏低的分数而人耳可能觉得「只是声音忽大忽小」。解决跑分前对参考和退化音频做统一的峰值归一化或者用ffmpeg的loudnorm滤镜做响度归一化。命令示例ffmpeg -i input.wav -af loudnormI-16:TP-1.5:LRA11 -ar 16000 -ac 1 output.wav。注意归一化要在重采样之后做顺序反了会引入额外失真。这套流程我前后迭代了三四版最大的教训是不要迷信任何一个单一分数。PESQ 和 MOS 都是工具工具的输出必须结合业务场景解读。我现在的习惯是每跑完一批分先抽三条最高分和三条最低分亲自听一遍确认分数和听感没有系统性偏差再往下做分析。这个习惯帮我拦住了好几次「分数漂亮但用户不买账」的翻车。希望帮到你。本文还有配套的精品资源点击获取
简介mos-pesq.zip 是一套面向音频编解码开发者的 PESQ 语音质量评测工具适合需要在项目中对 PCM 编解码前后音质进行客观打分的工程师与研究人员。PESQ 作为 ITU-T 推荐的语音质量评估算法可输出 MOS 分值帮助判断编解码、降噪或传输链路对语音清晰度的影响是音频算法验证环节的实用手段。压缩包共 12 个文件约 207KB以 C 源码与头文件为主体另含 Makefile、shell 脚本、说明文档及测试音频压缩包结构紧凑、便于直接编译运行。使用方式简单执行 make 完成编译再以 ./pesq 16000 speech.wav speech_bab_0dB.wav 形式指定采样率与参考、退化音频即可得到评分。资源内附测试音频方便快速验证环境与理解输入输出格式也可替换为自己的 PCM 数据做对比实验。目前已有 963 人学习下载适合希望低成本引入语音质量客观评测能力的开发者参考。1. 从一个压缩包名说起mos-pesq.zip 到底装了什么第一次看到mos-pesq.zip这个文件名多数人的第一反应是「又一个语音质量评估的轮子」。但真正做过通话链路测试的工程师会立刻意识到它大概率是把 MOS 主观评分和 PESQ 客观算法绑在一起的一套工具集。MOS 解决的是「人耳听着怎么样」PESQ 解决的是「机器算出来多少分」两者之间的映射关系才是工程落地的核心。这个压缩包通常包含 PESQ 参考实现、MOS 映射脚本、测试音频样本和批量跑分入口。它适合三类人做 VoIP 通话质量监控的、做音频编解码选型对比的、以及需要给语音增强模型打分的算法工程师。如果你手头正缺一套能批量出分、又能和主观听感对齐的评估流程这个方向值得花时间拆开看。2. PESQ 打分链路拆解从 wav 输入到 MOS 映射2.1 为什么不能直接拿 PESQ 原始分当结论PESQ 的输出范围在 -0.5 到 4.5 之间它本质是一个经过心理声学模型加权的信噪比度量。很多人跑完 PESQ 看到 3.2 就以为通话质量不错但实际用户可能已经在抱怨「声音发闷」。原因在于 PESQ 对时延抖动、丢包突发、非线性失真这三类问题的敏感度并不一致。原始 PESQ 分高不代表 MOS 分高。工程上必须做一步映射把 PESQ 分、丢包率、抖动缓冲深度一起喂给一个回归模型才能得到接近主观听感的 MOS 预测值。常见做法是用 ITU-T P.862 建议书里的参考映射曲线做初版再用自己业务场景的听测数据做二次校准。2.2 用 Python 跑通单文件 PESQ 最小命令假设压缩包解压后目录结构是pesq/、scripts/、samples/先确认参考实现是否可调用。下面这段代码演示单文件打分的最小闭环import os import subprocess import soundfile as sf # 参考音频和退化音频必须同采样率、同长度 ref_path samples/ref_16k.wav deg_path samples/deg_16k.wav # 检查采样率PESQ 窄带模式只支持 8k/16k ref_info sf.info(ref_path) deg_info sf.info(deg_path) assert ref_info.samplerate deg_info.samplerate, 采样率不一致先重采样 assert ref_info.samplerate in (8000, 16000), PESQ 窄带仅支持 8k 或 16k # 调用 PESQ 可执行文件16000 表示窄带 16k 模式 cmd [ ./pesq/pesq, 16000, ref_path, deg_path ] result subprocess.run(cmd, capture_outputTrue, textTrue) print(result.stdout) # 输出形如 Prediction : 3.245逻辑说明PESQ 参考实现通常以命令行工具形式提供参数16000指定窄带 16kHz 采样模式如果是 48k 宽带场景需要换成wb并确保输入是 48k。参数说明ref_path必须是干净参考音频deg_path是经过编解码或网络损伤后的音频两者长度必须严格一致否则会报错或静默截断。跑完拿到 Prediction 值后先别急着下结论把它记下来进入下一步映射。2.3 把 PESQ 分映射成 MOS 分的三种做法第一种是查表法直接用 ITU-T P.862.1 的映射公式def pesq_to_mos(pesq_score): # ITU-T P.862.1 推荐的窄带映射公式 if pesq_score -0.5: pesq_score -0.5 if pesq_score 4.5: pesq_score 4.5 mos 0.999 (4.999 - 0.999) / (1 math.exp(-1.4945 * pesq_score 4.6607)) return round(mos, 2)第二种是分段线性拟合适合你有自己业务听测数据的情况。第三种是梯度提升回归把 PESQ 分、丢包率、抖动值、编解码类型做 one-hot 后一起输入。我一般会先用第一种跑通全流程再用第二种做业务校准第三种只在有上千条听测样本时才考虑。参数上注意映射公式里的系数不要随意改改了之后必须用留出集验证否则容易过拟合到某几通电话上。2.4 批量跑分的目录约定与并发控制单文件跑通后批量场景下最容易翻车的是文件命名混乱和并发写冲突。建议目录结构固定为ref/和deg/两个子目录文件名一一对应。下面是一个带并发限制的批量脚本骨架import concurrent.futures import glob import os def run_one(ref_file): base os.path.basename(ref_file) deg_file os.path.join(deg, base) if not os.path.exists(deg_file): return base, None # 调用上一节的单文件打分函数 score single_pesq(ref_file, deg_file) return base, score ref_files glob.glob(ref/*.wav) # 并发数不要超过 CPU 核数PESQ 是计算密集型 with concurrent.futures.ThreadPoolExecutor(max_workers4) as executor: results list(executor.map(run_one, ref_files)) for name, score in results: if score is None: print(f{name} 缺少退化文件跳过) else: print(f{name} PESQ{score})参数说明max_workers建议设为物理核数的 70% 左右留出余量给系统调度。如果发现跑分速度骤降先检查是不是某个 wav 文件采样率不对导致 PESQ 内部重采样卡住。批量跑完后把结果写进 CSV字段至少包含文件名、PESQ 原始分、映射后 MOS 分、处理耗时。3. 避坑与排查PESQ 跑分翻车的五个典型场景3.1 采样率不匹配导致分数异常偏低现象同一段音频参考和退化文件听起来几乎一样但 PESQ 只有 1.2 分。原因参考是 16k退化是 8kPESQ 内部做了隐式重采样引入了额外失真。解决跑分前统一用sox或librosa重采样到同一采样率并且显式断言。命令示例sox input.wav -r 16000 -c 1 output.wav注意单声道和双声道也要统一PESQ 对多声道支持很差。3.2 静音段对齐偏差让分数虚高现象退化音频开头多了 200ms 静音PESQ 反而给了 3.8 分。原因PESQ 的时域对齐算法在静音段容易误判把静音当成了有效信号的一部分。解决跑分前做静音裁剪用librosa.effects.trim去掉首尾静音或者用 VAD 检测后手动对齐。注意不要裁得太狠保留 50ms 左右的余量否则会切掉辅音起始段。3.3 编解码类型不同导致映射曲线失效现象A 编码器 PESQ 3.5 映射后 MOS 4.1B 编码器 PESQ 3.6 映射后 MOS 3.9。原因P.862.1 映射公式是在特定编码器集合上拟合的对某些新型编码器如基于神经网络的编解码不适用。解决按编码器类型分组分别拟合映射曲线或者把编码器类型作为特征加入回归模型。如果样本量不够至少要在报告里注明映射曲线的适用范围。3.4 并发跑分时临时文件冲突现象批量跑分时偶发报错「cannot open temp file」。原因PESQ 参考实现会在当前目录生成临时文件多线程并发时文件名冲突。解决每个线程用独立的临时目录通过tempfile.mkdtemp()创建跑完删除。或者干脆用进程池代替线程池每个进程独立工作目录。这个坑很隐蔽单文件测试永远遇不到。3.5 把 PESQ 分直接当 MOS 写进验收报告现象验收会上业务方质疑「为什么 MOS 4.2 用户还在投诉」。原因PESQ 只评估语音质量不评估回声、双讲、卡顿这些交互体验问题。解决PESQ 分只作为语音质量维度的参考验收报告里必须同时包含回声返回损耗、双讲切换时间、端到端时延等指标。我一般会在报告首页写一句「PESQ/MOS 仅反映单向语音质量」避免后续扯皮。4. 让 mos-pesq 跑得更稳参数调优与结果验证4.1 窄带与宽带模式的选择依据PESQ 有窄带8k/16k和宽带48k两种模式选错模式比不跑还糟糕。判断依据是业务链路的实际采样率传统电话链路用窄带VoLTE 和会议系统用宽带。如果不确定先看编解码器G.711、G.729 走窄带Opus、AAC 走宽带。下面是一个模式选择对照表业务场景采样率PESQ 模式参数写法传统电话8k窄带8000窄带 VoIP16k窄带16000宽带会议48k宽带wb音乐场景48k不适用改用 POLQA注意宽带模式下 PESQ 对音乐信号的表现很差如果业务涉及音乐传输不要用 PESQ 做主要指标。4.2 用听测样本反向验证映射曲线映射曲线不是拟合完就完事必须用独立听测样本验证。具体做法从业务录音里随机抽 30 到 50 条组织 3 到 5 人做 MOS 听测每人独立打分后取平均。然后把听测 MOS 和映射 MOS 做散点图看是否落在对角线附近。如果偏差超过 0.5 分的样本超过 20%说明映射曲线需要重新校准。这一步很费时间但省不得否则后面所有自动化跑分都是空中楼阁。4.3 把跑分结果接入持续集成如果团队有持续集成环境可以把 mos-pesq 跑分做成一个固定任务。每次编解码参数变更或网络损伤模型更新后自动跑一遍回归集输出 PESQ 和 MOS 的对比报告。关键是要固定回归集不要每次换音频否则分数波动无法归因。我一般会保留三套回归集干净场景、中等损伤、极端损伤分别对应不同的验收阈值。阈值设定上干净场景 MOS 不低于 4.0中等损伤不低于 3.5极端损伤不低于 2.8低于阈值就阻断合并。4.4 一个容易被忽略的细节音频增益归一化PESQ 对整体增益不敏感但对增益突变很敏感。如果退化音频在中间某段被自动增益控制拉高或压低PESQ 会给出偏低的分数而人耳可能觉得「只是声音忽大忽小」。解决跑分前对参考和退化音频做统一的峰值归一化或者用ffmpeg的loudnorm滤镜做响度归一化。命令示例ffmpeg -i input.wav -af loudnormI-16:TP-1.5:LRA11 -ar 16000 -ac 1 output.wav。注意归一化要在重采样之后做顺序反了会引入额外失真。这套流程我前后迭代了三四版最大的教训是不要迷信任何一个单一分数。PESQ 和 MOS 都是工具工具的输出必须结合业务场景解读。我现在的习惯是每跑完一批分先抽三条最高分和三条最低分亲自听一遍确认分数和听感没有系统性偏差再往下做分析。这个习惯帮我拦住了好几次「分数漂亮但用户不买账」的翻车。希望帮到你。本文还有配套的精品资源点击获取
