深度学习在音频源分离方面的最新进展使许多神经网络模型能够为该基本估计问题提供可靠的解决方案。在这项研究中，我们为通用音频源分离提供了一系列有效的神经网络体系结构，同时着重于阻碍神经网络在实际场景中应用的多个计算方面。该卷积网络的骨干结构是多分辨率特征的连续DOwnsampling和重采样（SuDoRM-RF）以及通过简单的一维卷积执行的聚合。这种机制使我们的模型能够在多种设置中获得高保真度的信号分离，其中存在可变数量的源并且计算资源有限（例如，浮点运算，内存占用量，参数数量和延迟）。我们的实验表明，SuDoRM-RF模型的性能相当，甚至超过了几个最新基准，并且对计算资源的要求更高。SuDoRM-RF的因果变化能够在实时语音分离中获得约10dB的音阶不变信号失真比改善（SI-SDRi），而在实时语音分离中仍比实时快20倍。笔记本电脑设备。



"点击查看英文标题和摘要"