MTASS

音频源分离任务，例如语音增强、语音分离和音乐源分离，在最近的研究中取得了令人瞩目的表现。深度神经网络强大的建模能力让我们对更具挑战性的任务充满希望。本文发起了一项新的多任务音频源分离 (MTASS) 挑战，将语音、音乐和噪声信号从单声道混合中分离出来。首先，我们介绍了这项任务的细节，并生成了一个包含语音、音乐和背景噪声的混合数据集。然后，我们提出了一个复杂域中的 MTASS 模型，以充分利用三个音频信号的频谱特性差异。具体来说，所提出的模型遵循两级流水线，将三种音频信号分离，然后分别进行信号补偿。在比较不同的训练目标后，选择复比掩模作为MTASS更合适的目标。实验结果还表明，残差信号补偿模块有助于进一步恢复信号。与几种众所周知的分离模型相比，所提出的模型在分离性能方面显示出显着优势。

搜集汇总

背景与挑战

背景概述

MTASS是一个用于多任务音频源分离的数据集，包含语音、音乐和背景噪声的混合音频，旨在从单声道混合中分离出这三种信号。该数据集支持相关研究，并提出了一个复杂域的两阶段模型，在分离性能上表现出显著优势。