概述：测速App能跑满500Mbps，打过去电话却像隔着一堵墙——用户的这种割裂感，正是第三方网络评测里最容易被忽视的“语音质量”维度。本文以国际电联ITU-T P.863（POLQA）标准与3GPP EVS编解码规范为解读主轴，讲清楚一个电话MOS分是怎么打出来的、从窄带到全频带的编解码二十年、路测车给网络做“听感体检”的完整方法论，以及听感发闷的六个工程根因与整改抓手。读完后，你会知道那0.3分的听感差距，到底藏在网络里的哪一段。

目录

• 一、报告里最不起眼的那一栏，最影响换网
• 二、MOS分是怎么打出来的：从人耳到P.863
• 三、二十年代码战：从G.711到EVS全频带
• 四、一辆路测车的一天：语音体检怎么做
• 五、听感发闷的六个根因与整改抓手
• 六、下一站：VoNR、AI降噪与R18沉浸声
• 结语

一、报告里最不起眼的那一栏，最影响换网

运营商圈子里流传一句老话：用户会因为流量慢而抱怨，会因为电话难打而换网。

数据业务测的是带宽，语音测的是“人对人”的最基本承诺。在Ookla（其电信评测业务源自并入的umlaut，业内俗称的connect mobile audit血统）和OpenSignal这类机构的评测体系里，语音从来不是一个附属项：umlaut体系把它列为独立的Voice类别，用专用的头模、嘴模拟器和标准语音样本在真实路线上打分；OpenSignal则做Voice App Experience，直接记录真实用户通话并做双向听感算法评分。历年各国评测总分领先者，几乎无一例外在语音类别上拉开身位——因为语音是对现网覆盖、容量、互通、传输质量最“综合”的一次压力测试：它同时要求低丢包、低时延、低抖动、宽频带，而且全程端到端，任何一个环节掉链子都直接砸在用户耳朵上。

多家机构的用户调研（含GSMA历年发布的市场研究）都指向同一件事：通话质量差是用户离网的诱因之一，而且它的负面口碑传播效率远高于网速慢。电话听感这个看似古老的话题，在今天VoNR规模商用、新通话相继落地的节点上，反而迎来了二十年来最大的一次变局。

二、MOS分是怎么打出来的：从人耳到P.863

听感打分的鼻祖是ITU-T P.800定义的主观测试：找一屋子真实听音员，按绝对等级评分法（ACR）给每段语音打1到5分——5优秀、4良好、3一般、2较差、1糟糕——所有分数取平均就是MOS（Mean Opinion Score）。这套方法今天仍是“金标准”，但贵、慢、不可重复：一个测试条件往往要几十名听音员，网络日常运维根本等不起。

于是有了算法替身的三代演进：

• 第一代PSQM（P.861，1996）：面向PCM时代的窄带电路语音，在VoIP面前很快失效；
• 第二代PESQ（P.862，2001）：能对付一部分IP损伤，但对宽带语音、时延拉伸和现代背景噪声的建模不足；
• 第三代POLQA（P.863，2011年发布，后续持续修订）：目前唯一被ITU认定的全代际语音质量客观算法，官网（polqa.info）明确其由OPTICOM、瑞士SwissQual与荷兰TNO三方联合开发，其中OPTICOM于2019年并入测量仪器大厂罗德与施瓦茨（R&S），这也是今天主流仪表里POLQA授权的来路。

POLQA的工作原理一句话概括：把“参考语音”和“劣化语音”做心理声学对齐后算失真。它先在时域和响度域把两段信号对齐（容忍VoIP的时延拉伸与抖动），再模拟人耳的频率掩蔽特性，从正向和反向两个方向计算感知失真，最后映射出1.0到约4.8分的MOS-LQO——注意天花板是4.8而不是5.0，因为算法再好也不能替人给出满分，这是标准刻意保留的诚实。

还有两个容易混淆的概念，工程上必须分清：

1. 听觉质量（listening quality）：只评价“这段声音好不好听”，P.863打的就是这个分；
2. 会话质量（conversational quality）：包含时延、回声、断续的“好不好聊”。这块用ITU-T G.107的E模型来补——把单向时延、抖动、回声折算成R因子再映射MOS。一个网络可以听感4.5分、会话3.5分，差的就是那几百毫秒往返时延。

三、二十年代码战：从G.711到EVS全频带

电话难听的第一性原因，是编解码器决定了物理上限。你永远无法从一条窄带语音里恢复出高音，就像无法从黑白照片里洗出彩色。下表是这段演进史的完整谱系（MOS为3GPP及弗劳恩霍夫等机构公开评测材料中的实验室典型区间，实际随码率、负载与实现浮动）：

三个关键节点值得展开：

其一，宽带化是分水岭。AMR-WB把语音带宽从3400Hz提到7000Hz，听感从“电话味”变成“FM广播味”，业界给它起了个商标名HD Voice——业内通常把2010年Orange在英国的商用视为HD Voice规模商用的起点。今天VoLTE默认走的就是它，这已经是比2G/3G时代质的飞跃。

其二，EVS是真正的全频带革命。3GPP R12在2014年敲定的EVS（Enhanced Voice Services，规范族TS 26.441起），由弗劳恩霍夫IIS、VoiceAge、爱立信、华为、诺基亚、高通、NTT docomo等多方联合开发：码率从5.9kbps到128kbps无缝伸缩，带宽最高覆盖人耳全频带20–20000Hz，超宽带档位（如24.4kbps）的实验室MOS已经摸到4.5以上；它还内置了信道感知模式——在基础码率之上叠加跨帧冗余，实测在百分之几量级的丢包下听感依然坚挺，这正是无线信道的对症药。这也是各国VoNR和新通话不约而同选EVS的根本原因。

其三，OTT反而是“卷王”。微信、WhatsApp们用的Opus天生全频带、自适应码率，加上应用层的FEC与重传，这解释了一个反直觉现象：弱信号地下室里，微信电话有时比运营商电话还清楚——运营商语音吃QoS保障的确定性，OTT吃编解码灵活性的弹性。语音质量的竞争，早就不是运营商关起门来的自留地。

四、一辆路测车的一天：语音体检怎么做

那么第三方机构那0.1分的差距是怎么测出来的？以经典的车载路测方法为例，一天的体检流程大致是：

1. 标定装备：车上架设HATS头模（ITU-T P.58定义的头躯干模拟器），嘴模拟器播放ITU-T P.501定义的标准语音样本（固定语料、固定响度），参考耳机采集，保证“输入”绝对可控；
2. 组网对打：两部测试终端分别插被测运营商与对标运营商的卡，互相拨打，同一时间、同一路线、同一环境，测的其实是“成对的端到端”；
3. 路线设计：覆盖高铁、地铁、商场地下层、电梯、城市快速路——语音评测的价值恰恰在“难走的地方”，平原大道测不出差距；
4. 打分聚合：每次通话切成约8秒的语音样本逐段跑POLQA，按城市、场景（室内/车载/步行/高速）加权聚合，日累计路线以数百公里计，全国评测整体跑数千公里量级；
5. 双向都测：主叫方向和被叫方向分开打分——因为互通路径不对称，A网打B网难听、B网打A网正常是常事。

工程上通用的解读标尺是：端到端聚合MOS≥4.0为优秀，3.5–4.0为可接受，低于3.5投诉概率陡增。这套标尺没有标准文本背书，属于运维圈的工程经验值，但它与多数运营商客服投诉曲线的相关性被反复验证过。除了路测，印度的TRAI定期组织全国路测并公示结果，众包路线（OpenSignal模式）则用海量真实通话补足路测覆盖不到的长尾场景。

五、听感发闷的六个根因与整改抓手

对一线工程师来说，MOS不是分数，是故障定位的罗盘。先看一张语音端到端的链路图，记住拉低听感的两个岔路口：

flowchart TD
    A["主叫手机"] --> B["主叫基站"]
    B --> C["IMS核心网"]
    C --> D["SBC互通网关"]
    D --> E["IP骨干网"]
    E --> F["对端运营商"]
    F --> G{"互通走老PSTN吗"}
    G -->|走TDM 全程转码| H["窄带AMR互通"]
    G -->|全程IP 不过转码| I["宽带EVS直达"]
    H --> J["带宽砍半 MOS滑落"]
    I --> K["全频带送达 MOS保四"]

结合路测与投诉的常见形态，六类根因和对应的排查抓手如下：

其中窄带转码是MOS的头号隐形杀手：主被叫双方哪怕都支持EVS，只要中间有一段互通回落到老的TDM网络或对端只谈到窄带，媒体网关就得做EVS→AMR-NB的转码——高音当场砍掉，全程降级到3.5分以下。排查它有一个铁律：从信令入手，不看信令猜无线，十次错九次。下面的流程图是投诉处理的标准打法：

flowchart TD
    A["投诉：电话发闷"] --> B["拉SIP信令看SDP"]
    B --> C{"协商到宽带了吗"}
    C -->|只谈到窄带| D["追转码点与互通方"]
    C -->|谈到宽带仍闷| E["看RTP丢包与抖动"]
    D --> F["推动互通侧升级"]
    E --> G{"丢包超标吗"}
    G -->|是| H["查切换与弱覆盖"]
    G -->|否| I["查回声与终端通路"]
    H --> J["整改后复测MOS"]
    F --> J
    I --> J

需要说明的是，转码点的具体位置、缓冲与VAD的默认策略，各设备商与终端的实现并不一致，标准允许多种实现，具体行为以各厂家官方文档为准；但“端到端协商收窄”这个现象本身，在任何一张现网里都是共性的。

六、下一站：VoNR、AI降噪与R18沉浸声

站在2026年回望，语音质量正处在第三个拐点上：

拐点一，VoNR让“全程EVS”第一次成为可能。VoLTE时代多少现网还拖着AMR-WB的尾巴，VoNR从设计上就把EVS当作缺省语言，配合SA网端到端QoS，全频带语音第一次有了完整的承载条件。测评机构近年的评测里，开通EVS的市场与停留在AMR-WB的市场，听感分档差距肉眼可见。

拐点二，终端侧AI降噪进场。谷歌在Pixel 7上推出的Clear Calling、苹果在2023年iOS 16.4把“语音隔离”麦克风模式带给蜂窝通话，都在用端侧模型实时剥离环境噪声——注意，它们改善的是上行方向送进网络的那一路信号，与网络侧的MOS是两个可叠加的自由度。对测评体系这反而是新课题：同一张网，旗舰机与千元机的得分差正在被AI拉开。

拐点三，3GPP R18的IVAS（沉浸式语音与音频服务）把立体声与空间音频带进通话，这也是EVS框架的延伸。等沉浸声进入商用，今天以单声道全频带为基准的P.863评测体系还要再进化一轮。

对运维团队，还有一条务实的中间路线：在等待终端换代的同时，把网络侧的“代理指标”用起来——RTCP丢包、抖动、码率协商结果、切换次数，这些每通电话天然携带的遥测数据，配合公开的POLQA样本库训练回归模型，就能从QoS预测QoE，把听感监控从“每月几辆路测车”升级成“每通电话都是探针”。多家设备商与运营商已在做类似的尝试，方向业界共识、效果各家自证。

结语

OTT拿走了消息，拿走了视频，正在抢语音；但电话——这个1960年代形态至今没大变的服务，恰恰是运营商手里少数还能靠工程质量拉开差距的体验资产。从P.800的人耳，到P.862的算法，再到P.863的心理声学模型；从G.711的64kbps窄带，到EVS的128kbps全频带——五十多年里，工程师做的事情本质上只有一件：让声音穿过这张越建越复杂的网之后，还像面对面说话。你电话里那0.3分的差距，不在营销话术里，在SDP的协商字段里，在SBC的转码队列里，在切换的那几十毫秒断流里。测得出来，才修得掉；修得掉，才守得住用户。

参考来源

1. ITU-T P.863（POLQA）标准文本 - 国际电联官网 — 语音质量客观评测算法的最新一代国际标准，本文方法论部分的主轴来源
2. POLQA官方网站 — 标准开发方（OPTICOM/SwissQual/TNO）与算法模式的官方说明
3. ITU-T P.800 - 国际电联官网 — 主观MOS测试方法（ACR）的原始定义
4. 3GPP EVS规范族（TS 26.441系列）- 3GPP官网 — R12增强语音服务编解码的码率、带宽与信道感知模式定义
5. Ookla（含原umlaut评测业务）官网 — 运营商网络评测机构，Voice独立类别的评测体系参考

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。