01 Conv-TasNet论文分享

 题目：Conv-TasNet: Surpassing Ideal Time-Frequency Magnitude Masking for Speech Separation

                                                          文末附文章地址与开源代码地址

1. 动机：

单通道、与说话人无关的语音分体方法的准确性、延迟、计算成本不足，时频描述分离问题的几个问题，如信号相位和幅度的解耦， 语音分离的时频表示的次优性， 以及计算光谱图的长延迟。

2. 方法：

提出了一种完全卷积的时域音频分离网络 ,一个用于端到端时域语音分离的深度学习框架 Conv-TasNet ，使用线性编码器生成语音波形的表示，该表示经过优化以分离单个说话者。说话人分离是通过将一组加权函数（掩码）应用于编码器输出来实现的。然后使用线性解码器将修改后的编码器表示反转回波形。

3. 网络架构：

整体网络架构如下

详细网络架构如下