Google пуска данни и модел за машинно обучение за разделяне на звуци

Google публикувано анотирана референтна база данни за смесени звуци, която може да се използва в системи за машинно обучение, използвани за разделяне на произволни смесени звуци на отделни компоненти. Също така е публикуван общ модел за дълбоко обучение (TDCN++), който може да се използва в Tensorflow за разделяне на звуци. Данни, изготвени въз основа на събиране freesound.org и публикувани лицензиран под CCBY 4.0.

Представеният проект FUSS (Free Universal Sound Separation) е насочен към решаване на проблема с разделянето на произволен брой произволни звуци, чието естество не е известно предварително. Други такива системи обикновено са ограничени до задачата да разделят определени звуци, като гласове и не-гласове, или различни говорещи хора.

Базата данни съдържа около 20 хиляди микса. Пакетът също така включва предварително изчислени импулсни отговори на стаята, изготвени с персонализиран симулатор на стая, който взема предвид отраженията на стените, местоположението на източника на звук и местоположението на микрофона.

Източник: opennet.ru