主观语音质量评估（SSQA）面临模型推广的挑战，现有模型在不同领域表现不佳。为此，研究者提出了MOS-Bench基准和SHEET工具包，以增强模型的泛化能力和评估一致性。这些工具结合多数据集和新评估指标，推动SSQA研究进展，提高自动语音质量评估的有效性。