机构名称：
¥ 1.0
在各种声学环境中，在各种声音环境中实现强大的语音分离，并带来了一个开放的挑战。尽管现有的数据集可用于训练分离器以获取特定方案，但它们并未在各种现实世界中概括地概括。在本文中，我们提出了一条新型的数据模拟管道，该管道从一系列声学环境和内容中产生各种培训数据，并提出了新的培训范式，以提高一般语音分离模型的质量。具体来说，我们首先引入AC-SIM，AC-SIM是一种数据模拟管道，该管道结合了内容和声学的广泛变化。然后，我们将多个培训目标纳入置换不变训练（PIT），以增强训练有素的模型的分离质量和概括。最后，我们在分离界和基准之间进行了全面的观察和人类听力实验，以验证我们的方法，从而对非同源和现实世界测试集进行了实质性改进。索引术语：语音分离，数据模拟，多损失优化
改善现实中语音分离的概括 -
主要关键词
相关文件推荐
