Компания Google база данни на стандартни смесени звуци с анотации, която може да се използва в системи за машинно обучение, прилагани за разделяне на произволни смесени звуци на отделни компоненти. Също така е публикуван универсален модел за дълбочинно машинно обучение (TDCN++), който може да се използва в Tensorflow за разделяне на звуци. Данните са подготвени на базата на колекция и под лиценз CC BY 4.0.
Представеният проект FUSS (Free Universal Sound Separation) има за цел решението на проблема с разделянето на произволен брой звуци, за които предварително не е известно тяхното естество. Други подобни системи обикновено са ограничени до задачата за отделяне на определени звуци, например, глас и не-глас или различни говорещи лица.
БД съдържа около 20 хиляди смесвания. В набора също така са включени предварително изчислени импулсни характеристики на помещението, подготвени с помощта на специално създаден симулатор на стая, който взема предвид отразяването от стените, местоположението на звуковия източник и местоположението на микрофона.
Източник: opennet.ru
