Плохое качество голоса не всегда можно заметить по стандартным техническим метрикам. Шум, искажение тембра, прерывистость или проблемы с громкостью могут возникать у отдельных пользователей и оставаться незаметными для привычного мониторинга.
В докладе будет рассмотрен подход к автоматической оценке качества разговоров с помощью NISQA-s. Будет показано, как получать метрики Noisiness, Coloration, Discontinuity, Loudness и MOS, обрабатывать аудио с помощью FFmpeg и Python, сохранять результаты в ClickHouse и визуализировать их в Grafana.
Также будут разобраны первые результаты такого мониторинга и то, какие проблемы удалось увидеть благодаря новым метрикам.
Тезисы
— Почему стандартного мониторинга недостаточно для оценки качества голоса.
— Как NISQA-s позволяет автоматически оценивать качество аудио.
— Какие метрики можно получить: Noisiness, Coloration, Discontinuity, Loudness и MOS.
— Как устроен пайплайн обработки аудио на FFmpeg и Python.
— Какие новые сигналы о проблемах качества дает такой подход.
