Bandwidth Extension Stream SDK — Listening Test

English · 中文

SDK 將窄頻語音（8 kHz / 16 kHz）重建為 48 kHz。每個區塊同時呈現客觀評測的頻譜圖與對應的實際音檔。 建議戴耳機聆聽，差異主要在 4 kHz 以上。

客觀評測

VCTK（英語，30 位語者 × 10 句）與 AISHELL-3（國語，30 位語者 × 10 句），以 48 kHz 原始錄音為基準評分。 無 BWE 為窄頻輸入直接升頻回 48 kHz。數值為各檔案的平均 ± 標準差；↓ 越低越好，↑ 越高越好。

語料模式系統檔數LSD ↓LSD-HF ↓LSD-LF ↓SNR (dB) ↑
VCTK8k→48k無 BWE300 3.740 ± 0.2414.083 ± 0.2640.769 ± 0.05419.10 ± 4.72
BWE300 1.801 ± 0.1561.940 ± 0.1720.753 ± 0.05414.38 ± 2.42
VCTK16k→48k無 BWE300 3.333 ± 0.2084.048 ± 0.2540.745 ± 0.05325.10 ± 5.63
BWE300 1.668 ± 0.0941.956 ± 0.1150.806 ± 0.05415.98 ± 2.14
AISHELL-38k→48k無 BWE297 2.831 ± 0.3453.083 ± 0.3810.731 ± 0.06223.07 ± 6.68
BWE297 1.234 ± 0.1551.306 ± 0.1710.726 ± 0.08415.65 ± 2.63
AISHELL-316k→48k無 BWE297 2.334 ± 0.3062.809 ± 0.3800.732 ± 0.07029.59 ± 7.70
BWE297 1.030 ± 0.0821.129 ± 0.0960.771 ± 0.08916.38 ± 2.95
LSD-HF，無 BWE vs BWE，各語料與模式
高頻段對數頻譜距離（相對 48 kHz 參考）— 無 BWE vs BWE，各檔案平均 ± 標準差。

評測語句

前處理與上表數據完全相同：參考音檔 RMS 正規化至 −26 dBFS，以 soxr 限制頻寬， 經 SDK 處理後輸出為 16-bit PCM。

VCTK · p229_113 英語

頻譜圖，8k → 48k
8k → 48k：輸入 / BWE / 參考
頻譜圖，16k → 48k
16k → 48k：輸入 / BWE / 參考
8 kHz 輸入窄頻
8 kHz → BWE48 kHz 輸出
16 kHz 輸入窄頻
16 kHz → BWE48 kHz 輸出
48 kHz 參考原始錄音

VCTK · p229_123 英語

頻譜圖，8k → 48k
8k → 48k：輸入 / BWE / 參考
頻譜圖，16k → 48k
16k → 48k：輸入 / BWE / 參考
8 kHz 輸入窄頻
8 kHz → BWE48 kHz 輸出
16 kHz 輸入窄頻
16 kHz → BWE48 kHz 輸出
48 kHz 參考原始錄音

AISHELL-3 · SSB0016_0056 國語

頻譜圖，8k → 48k
8k → 48k：輸入 / BWE / 參考
頻譜圖，16k → 48k
16k → 48k：輸入 / BWE / 參考
8 kHz 輸入窄頻
8 kHz → BWE48 kHz 輸出
16 kHz 輸入窄頻
16 kHz → BWE48 kHz 輸出
48 kHz 參考原始錄音

AISHELL-3 · SSB0016_0203 國語

頻譜圖，8k → 48k
8k → 48k：輸入 / BWE / 參考
頻譜圖，16k → 48k
16k → 48k：輸入 / BWE / 參考
8 kHz 輸入窄頻
8 kHz → BWE48 kHz 輸出
16 kHz 輸入窄頻
16 kHz → BWE48 kHz 輸出
48 kHz 參考原始錄音

真實錄音

手機錄製的國語語音，無 48 kHz 參考音檔 — 僅提供輸入與輸出。

統神鼎王 國語 · 手機錄音

8 kHz 輸入窄頻
8 kHz → BWE48 kHz 輸出
16 kHz 輸入窄頻
16 kHz → BWE48 kHz 輸出

控八控控 國語 · 手機錄音

8 kHz 輸入窄頻
8 kHz → BWE48 kHz 輸出
16 kHz 輸入窄頻
16 kHz → BWE48 kHz 輸出