MOS
语音质量主观评测的主流标准指标，由人类评听员对语音样本进行1-5分打分，广泛用于TTS和语音增强系统的自然度评估
核心事实
时间轴 (近 90 天)
传统 TTS 以梅尔谱重建损失或对抗损失训练，优化目标与人类主观听感存在偏差；MOS 类主观指标不可微，适合用可学习的评判器作为代理奖励，通过策略梯度直接优化。
一般认为 MOS 超过 4.0 已接近真人自然度，超过 4.5 后不同系统之间的差异往往需要更精细的测试才能区分。
WER（词错率）衡量 ASR 转录与参考文本的差异，MOS（平均主观意见分）衡量合成语音的自然度，是过去语音评估的两个核心指标。
在语音 Agent 场景下 WER 和 MOS 都不够：WER 只覆盖听懂，不反映意图理解；MOS 只衡量单句合成自然度，不衡量多轮对话上下文一致性和情绪表达。
语音合成中量化质量的评判标准一般是与原始 FP16 模型的输出做对比，常用相似度指标和音频自然度主观评分（如 MOS）来衡量。
情感本身高度主观，跨文化、跨个体差异很难被单一 MOS 完全捕捉。
音频维度评分涉及首次响应延迟（TTFF）、端到端延迟、语音合成自然度（MOS分）和背景噪声下的ASR识别错误率（WER）
评估语音自然度的主流指标是平均意见得分（MOS），由真人评听员对样本打分（1-5分）
全部知识事实 (8)
评估语音自然度的主流指标是平均意见得分（MOS），由真人评听员对样本打分（1-5分）
75%待验证传统 TTS 以梅尔谱重建损失或对抗损失训练，优化目标与人类主观听感存在偏差；MOS 类主观指标不可微，适合用可学习的评判器作为代理奖励，通过策略梯度直接优化。
50%待验证一般认为 MOS 超过 4.0 已接近真人自然度，超过 4.5 后不同系统之间的差异往往需要更精细的测试才能区分。
50%待验证WER（词错率）衡量 ASR 转录与参考文本的差异，MOS（平均主观意见分）衡量合成语音的自然度，是过去语音评估的两个核心指标。
50%待验证在语音 Agent 场景下 WER 和 MOS 都不够：WER 只覆盖听懂，不反映意图理解；MOS 只衡量单句合成自然度，不衡量多轮对话上下文一致性和情绪表达。
50%待验证语音合成中量化质量的评判标准一般是与原始 FP16 模型的输出做对比，常用相似度指标和音频自然度主观评分（如 MOS）来衡量。
50%待验证情感本身高度主观，跨文化、跨个体差异很难被单一 MOS 完全捕捉。
50%待验证音频维度评分涉及首次响应延迟（TTFF）、端到端延迟、语音合成自然度（MOS分）和背景噪声下的ASR识别错误率（WER）
50%