AECMOS/DNSMOS v1.0 实战：Linux环境下三大开源语音质量评估工具深度部署指南

语音质量评估技术正成为音视频处理、智能客服、远程会议等领域的核心需求。随着AI语音合成与增强技术的快速发展，如何客观量化评估语音处理效果变得尤为关键。本文将带您深入实践AECMOS、DNSMOS和pysepm三大开源工具在Linux环境下的完整部署流程，从环境配置到批量测试，构建一套可复现的语音质量评估体系。

1. 环境准备与依赖解析

语音质量评估工具链对运行环境有特定要求，我们需要构建一个隔离的Python环境并安装必要依赖。以下是经过验证的兼容性矩阵：

工具名称	Python版本	PyTorch版本	关键依赖	特殊要求
AECMOS	3.7-3.9	≥1.8	onnxruntime	需要ONNX模型文件
DNSMOS	3.6-3.8	≥1.6	numpy, scipy	无
pysepm	3.6+	无	octave, librosa	需Octave环境

基础环境配置：

# 安装Anaconda（以Miniconda为例）
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh -b -p $HOME/miniconda
source ~/miniconda/bin/activate

# 创建专用环境
conda create -n speech_metrics python=3.8 -y
conda activate speech_metrics

# 安装PyTorch 1.11（适配大多数语音评估模型）
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 -c pytorch

注意：Octave需要单独安装，建议使用系统包管理器：

sudo apt-get install octave octave-signal

2. 工具部署实战

2.1 AECMOS部署与验证

AECMOS是微软开源的语音质量评估工具，专注于回声消除场景的MOS评分：

# 克隆仓库
git clone https://github.com/microsoft/AEC-Challenge.git
cd AEC-Challenge/AECMOS/AECMOS_local

# 安装依赖
pip install onnxruntime numpy scipy soundfile

# 准备测试音频（需符合目录结构要求）
mkdir -p dataset/{enhance_speech,farend_speech,nearend_mic_signal,nearend_speech}
# 示例测试命令：
python run.py --model_path=Run_1663829550_Stage_0.onnx \
              --data_path=./dataset/ \
              --output_file=./out/result.xlsx

目录结构规范：

dataset/
├── enhance_speech/      # 处理后的语音（必须包含_enh.wav后缀）
├── farend_speech/       # 远端参考语音（必须包含_lpb.wav后缀）  
├── nearend_mic_signal/  # 近端麦克风信号（必须包含_mic.wav后缀）
└── nearend_speech/      # 近端纯净语音（可选）

2.2 DNSMOS部署要点

DNSMOS专注于降噪语音质量评估，部署时需注意：

git clone https://github.com/microsoft/DNS-Challenge.git
cd DNS-Challenge/DNSMOS

# 安装额外依赖
pip install pandas matplotlib

# 运行评估（支持单文件或目录批量处理）
python dnsmos_local.py --testset_dir=./datasets/clean/ --csv_path=./result.csv

性能优化技巧：

• 启用ONNX Runtime加速：

import onnxruntime as ort
sess = ort.InferenceSession("sig_bak_ovr.onnx", 
                          providers=['CUDAExecutionProvider'])

• 批量处理时建议使用多进程：

from multiprocessing import Pool
with Pool(4) as p:
    p.map(process_audio, audio_list)

2.3 pysepm综合评估方案

pysepm提供了更传统的语音质量评估指标，需特别注意Octave环境集成：

git clone https://github.com/schmiph2/pysepm.git
cd pysepm

# 安装Python依赖
pip install -e .

# 验证Octave集成
octave --eval "pkg load signal; disp('Octave环境正常')"

典型使用示例：

from pysepm import composite
clean_speech = "data/clean/sample.wav"
processed_speech = "data/enhan/sample.wav"
csig, cbak, covl = composite(clean_speech, processed_speech)
print(f"信号质量: {csig}, 背景噪声: {cbak}, 整体质量: {covl}")

3. 自动化测试与结果分析

构建自动化测试流程可大幅提升评估效率，以下是推荐的工作流：

1. 文件预处理脚本 （确保符合各工具输入要求）：

import glob
import shutil

def organize_files(src_dir):
    for wav in glob.glob(f"{src_dir}/*_enh.wav"):
        shutil.copy(wav, "dataset/enhance_speech/")
    # 类似处理其他类型文件...

2. 批量评估脚本模板 ：

#!/bin/bash
# run_all_metrics.sh
for audio_set in $(ls -d data/*_set); do
    # 预处理
    python organize_files.py $audio_set  
    
    # 并行评估
    python AECMOS/run.py --data_path ./dataset &
    python DNSMOS/dnsmos_local.py --testset_dir $audio_set &
    wait
    
    # 结果合并
    python merge_results.py AECMOS/out/result.xlsx DNSMOS/result.csv
done

3. 结果可视化（示例代码） ：

import pandas as pd
import seaborn as sns

df = pd.read_csv("final_results.csv")
sns.boxplot(x="tool", y="score", hue="category", data=df)
plt.title("语音质量评估结果分布对比")
plt.savefig("metrics_comparison.png")

4. 常见问题与解决方案

Q1: 出现ONNX模型加载错误

• 症状： InvalidProtobuf: [ONNXRuntimeError] : 10 : INVALID_GRAPH
• 解决方案：

  pip install onnx --upgrade
  python -m onnxruntime.tools.convert_onnx_models_to_ort AECMOS/*.onnx
  

Q2: Octave调用超时

• 在Python代码中添加超时设置：

from oct2py import Oct2Py
oc = Oct2Py(timeout=60)  # 设置60秒超时

Q3: 多工具结果差异大

• 检查音频采样率是否统一（建议16kHz）
• 验证输入音频长度是否一致
• 参考评估标准：

  优秀 (MOS 4.0-5.0): 语音清晰无失真
  良好 (MOS 3.5-4.0): 可懂度高但有轻微失真
  一般 (MOS 3.0-3.5): 可懂但明显失真
  差 (MOS <3.0): 难以理解
  

5. 进阶应用与性能调优

对于需要高频调用的生产环境，建议：

1. 模型服务化 （Flask示例）：

from flask import Flask, request
import onnxruntime as ort

app = Flask(__name__)
sess = ort.InferenceSession("model.onnx")

@app.route('/evaluate', methods=['POST'])
def evaluate():
    audio = request.files['audio'].read()
    inputs = preprocess(audio)
    return {'score': sess.run(None, inputs)[0]}

2. GPU加速配置 ：

# 确认CUDA可用
nvidia-smi  # 查看GPU状态
conda install cudatoolkit=11.3 -c nvidia

3. 内存优化技巧 ：

# 使用内存映射加载大音频文件
import soundfile as sf
def load_large_audio(path):
    return sf.SoundFile(path)

通过本文的实践指南，您已掌握在Linux环境下部署三大主流语音质量评估工具的完整流程。建议在实际项目中建立定期评估机制，将自动化测试集成到CI/CD流程中，持续监控语音处理算法的质量变化。