UTMOS
基于自监督语音表示的无参考自然度评分模型，输出1到5的预测MOS分，用于评估语音质量。
核心事实
时间轴 (近 90 天)
在本地按 Open TTS Leaderboard 协议评测（非官方提交）中，SteerTTS v1 fp32 的 Seed-TTS WER 为 0.96%、UTMOS 为 4.20，SteerTTS edge 的 Seed-TTS WER 为 0.96%、UTMOS 为 4.11。
作者指出 SteerTTS edge 相比 v1 的约 0.1 UTMOS 损失几乎全部来自小型 int4 声码器。
在 SADA 语料上，默认的 UTMOS 阈值 3.0 几乎会拒绝所有样本。
UTMOS 是一种基于自监督语音表示的无参考自然度评分模型，输出 1 到 5 的预测 MOS 分。
UTMOS 是在通用英语语音上训练的，迁移到阿拉伯语方言、带噪录音或非母语口音时，分数分布会整体偏移。
机器自动评估语音自然度常用UTMOS等预测模型替代人工评测
全部知识事实 (6)
UTMOS 是一种基于自监督语音表示的无参考自然度评分模型，输出 1 到 5 的预测 MOS 分。
75%待验证在本地按 Open TTS Leaderboard 协议评测（非官方提交）中，SteerTTS v1 fp32 的 Seed-TTS WER 为 0.96%、UTMOS 为 4.20，SteerTTS edge 的 Seed-TTS WER 为 0.96%、UTMOS 为 4.11。
50%待验证作者指出 SteerTTS edge 相比 v1 的约 0.1 UTMOS 损失几乎全部来自小型 int4 声码器。
50%待验证在 SADA 语料上，默认的 UTMOS 阈值 3.0 几乎会拒绝所有样本。
50%待验证UTMOS 是在通用英语语音上训练的，迁移到阿拉伯语方言、带噪录音或非母语口音时，分数分布会整体偏移。
50%待验证机器自动评估语音自然度常用UTMOS等预测模型替代人工评测
50%