# Ocena jakości syntezy mowy: MOS i jego automatyczne przewidywanie EN: **Speech synthesis quality evaluation: MOS and automatic MOS prediction** · id `speechqualityeval` · aliases: speech generation quality evaluation, synthetic speech quality evaluation, ocena jakości syntezy mowy Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Ewaluacja i interpretowalność](https://aiatlasgraph.com/t/evaluation.md) › [Ewaluacja generowanych obrazów, wideo i mowy](https://aiatlasgraph.com/t/genmediaeval.md) › Ocena jakości syntezy mowy: MOS i jego automatyczne przewidywanie ## Description - PL: Ocena syntezy mowy przez testy odsłuchowe (MOS) oraz modele przewidujące MOS z nagrania, uzupełniane miarami zrozumiałości i podobieństwa mówcy. - EN: Evaluating speech synthesis with listening tests (MOS) and models predicting MOS from audio, complemented by intelligibility and speaker-similarity measures. ## In one sentence - PL: Sprawdzanie, jak naturalnie brzmi głos wygenerowany przez komputer: przez słuchaczy albo model, który przewiduje ich ocenę. - EN: Checking how natural a computer-made voice sounds, either with listeners or with a model that predicts their rating. ## Problem it solves - PL: Głos może wypowiadać poprawne słowa, a mimo to brzmieć sztucznie lub męcząco, czego żadna prosta liczba nie wychwytuje. - EN: A voice can say the right words and still sound robotic or tiring, which no simple count catches. ## What it does - PL: Słuchacze dają nagraniom oceny od 1 do 5; potem model uczy się je przewidywać, jak stroiciel, który słyszy fałsz bez pytania publiczności. - EN: Listeners rate clips from 1 to 5; a model then learns to predict those ratings, like a tuner who hears off notes without asking the audience. ## Everyday example - PL: Twórca audiobooków porównuje dwa syntetyczne głosy lektora i wybiera ten, który słuchacze w teście uznali za mniej męczący. - EN: An audiobook producer compares two synthetic narrator voices and picks the one listeners in a test found less tiring. ## This concerns you if you… - PL: wybierasz syntetyczny głos do nagrań, aplikacji lub infolinii - PL: pracujesz z dźwiękiem i oceniasz jakość mowy - EN: choose a synthetic voice for recordings, apps or phone lines - EN: work with sound and judge speech quality ## Keywords mean opinion score · UTMOS · VoiceMOS Challenge · MUSHRA · DNSMOS · speaker similarity · word error rate · CMOS ## How it works - PL: W teście MOS słuchacze oceniają nagrania w skali 1–5, a wynik uśrednia się z przedziałem ufności. Predyktory MOS, np. UTMOS, dostrajają samonadzorowane modele mowy do regresji ocen i łączą wiele modeli w zespół. Zrozumiałość sprawdza się często przez WER rozpoznawania mowy na syntezie. - EN: In a MOS test listeners rate clips on a 1–5 scale, averaged with a confidence interval. MOS predictors such as UTMOS fine-tune self-supervised speech models to regress ratings and ensemble several models. Intelligibility is often checked via ASR word error rate on the synthesised audio. ## Limits - PL: Wyniki MOS zależą od słuchaczy, instrukcji i zestawu porównywanych systemów, więc trudno porównywać je między badaniami. Predyktory słabiej działają na nowych językach, domenach i systemach lepszych niż dane treningowe. - EN: MOS depends on listeners, instructions and the set of systems compared, so cross-study comparison is hard. Predictors degrade on new languages, domains and systems better than their training data. ## Key terms - PL: **MOS**: Średnia ocen słuchaczy w skali od 1 (zła) do 5 (doskonała). - PL: **test MUSHRA**: Test odsłuchowy porównujący kilka wersji nagrania z ukrytym wzorcem. - PL: **podobieństwo mówcy**: Na ile głos syntezy przypomina głos docelowej osoby. - EN: **MOS**: Mean listener rating from 1 (bad) to 5 (excellent). - EN: **MUSHRA test**: A listening test comparing several versions of a clip with a hidden reference. - EN: **speaker similarity**: How closely the synthetic voice resembles the target person's voice. ## Know first - [Synteza mowy / TTS (Text-to-speech)](https://aiatlasgraph.com/t/tts.md) ## Related topics Untyped, symmetric "see also" links. - [Ewaluacja agentów głosowych (Voice agent evaluation)](https://aiatlasgraph.com/t/voiceevals.md) ## Sources - [UTMOS: UTokyo-SaruLab System for VoiceMOS Challenge 2022]() `utmos-2022` · by Takaaki Saeki, Detai Xin, Wataru Nakata, Tomoki Koriyama, Shinnosuke Takamichi, Hiroshi Saruwatari - [Mean Opinion Score (MOS) terminology]() `itu-p8001-mos` · by International Telecommunication Union (ITU-T) - [Method for the subjective assessment of intermediate quality level of audio systems]() `itu-bs1534-mushra` · by International Telecommunication Union (ITU-R) --- AI Atlas revision 130 (2026-11-06) · HTML: https://aiatlasgraph.com/t/speechqualityeval · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-11-06