Applied Speech and Audio Processing: With matlab examples

3.3
Speech understanding
Up to now, this chapter has investigated the production of speech and the characteristics
of the produced speech. Ignoring aspects of whichever communications mechanism has
been used, this section will now consider some of the non-auditory factors involved in
the understanding of speech by humans. That is, the nature of speech structure and how
that relates to understanding, rather than the nature of human hearing and perception of
speech (which will be covered in Chapter 4).
3.3.1
Intelligibility and quality
Firstly it is very important to distinguish between these two terms. Both are correctly
used interchangeably at times, but their measurement and dependencies are actually
very different. In very simple terms, quality is a measure of the fidelity of speech. This
includes how well the speech under examination resembles some original speech, but
extends beyond that to how nice the speech sounds. It is a highly subjective measure,
but can be approximated objectively.

---

48
Speech
Table 3.3. Average amplitude of several spoken speech types.
Score
Description
Impairment
5
excellent
imperceptible
4
good
perceptible but not annoying
3
fair
slightly annoying
2
poor
annoying
1
bad
very annoying
Intelligibility is a measure of how understandable the speech is. In other words, it con-
centrates on the information-carrying content of speech. Some examples should clarify
the difference:
1. A string of nonsense syllables, similar to baby speech, spoken by someone with a
good speaking voice can sound very pleasant, of extremely high quality, but contains
no verbal information, in fact has no intelligibility at all.
2. A recording of speech with a high-frequency buzzing sound in the background will
be rated as having low quality even though the words themselves may be perfectly
understandable. In this case the intelligibility is high.
3. When choosing a car audio system, you might tune to a favourite radio station to test.
Generally the audio system that sounds nicest (of highest quality) would be the one
purchased.
4. When the military are in a combat situation, it is usually extremely important to
understand the speech from a radio, whereas the quality of the sound is almost totally
unimportant. In World War II, crude speech processing (clipping, or filter-clipping)
was applied to radios used in aircraft – making the speech sound shrill and screechy
– but significantly improving its intelligibility in a noisy cockpit [5]. This effect can
often be heard in films and documentaries of the period.
Despite stressing the difference between quality and intelligibility in this section, it
is useful to note that under most circumstances excellent intelligibility implies excellent
quality, and very poor intelligibility implies very poor quality. These are the extremes –
between these points the relationship between the two is not straightforward.
3.3.2
Measurement of speech quality
Speech quality is normally measured subjectively, in terms of a mean opinion score
(MOS). This involves a panel of several listeners, usually placed in a soundproofed
room, having the audio recording under evaluation played to them. They will then rate
this according to the scale shown in Table 3.3.
The MOS score of a particular recording is the mean of the results reported by each of
the listeners. Obviously the more listeners, the more accurate (and repeatable) the results
will be. This test is standardised by the International Telecommunications Union (ITU)
in recommendation P.800, widely used in the audio community.

---