Анализ стандартов субъективной оценки аудиокачества и их адаптация к современным технологиям
Автор: Кирпичев Д.С., Маркин Е.И.
Журнал: Международный журнал гуманитарных и естественных наук @intjournal
Рубрика: Технические науки
Статья в выпуске: 11-1 (110), 2025 года.
Бесплатный доступ
В статье проводится критический анализ классических стандартов субъективной оценки аудиокачества - ITU-R BS.1116 и BS.1534 (MUSHRA) - в контексте вызовов, порождённых иммерсивным звуком, интерактивным контентом и алгоритмами на основе искусственного интеллекта. Рассматриваются ограничения традиционных подходов при оценке 3D-аудио, динамических сцен и ИИ-артефактов. Предложены три направления адаптации: гибридные методы, сочетающие субъективное тестирование с перцептивными моделями; специализированные протоколы для пространственного и интерактивного звука; переход от метрики качества сигнала к оценке качества опыта (QoE). Показано, что эволюция стандартов требует валидации в интерактивных сценариях и оценки долгосрочного комфорта прослушивания.
Субъективная оценка, аудиокачество, стандарты, иммерсивный звук, качество опыта, гибридные методы, краудсорсинг, перцептивные модели, интерактивный контент
Короткий адрес: https://sciup.org/170212298
IDR: 170212298 | DOI: 10.24412/2500-1000-2025-11-1-194-198
Analysis of subjective audio quality assessment standards and their adaptation to modern technologies
This article provides a critical analysis of the classic subjective audio quality assessment standards - ITU-R BS.1116 and BS.1534 (MUSHRA) - in the context of the challenges posed by immersive sound, interactive content, and AI-based algorithms. The limitations of traditional approaches to assessing 3D audio, dynamic scenes, and AI artifacts are examined. Three adaptation approaches are proposed: hybrid methods combining subjective testing with perceptual models; specialized protocols for spatial and interactive audio; and a shift from signal quality metrics to quality of experience (QoE) assessment. It is shown that the evolution of standards requires validation in interactive scenarios and assessment of long-term listening comfort.
