La société Google une base de données de sons mélangés de référence, accompagnée d'annotations, à utiliser dans des systèmes d'apprentissage automatique appliqués à la séparation de sons mélangés aléatoires en composants distincts. Un modèle universel d'apprentissage profond (TDCN++) a également été publié, pouvant être utilisé dans Tensorflow pour la séparation des sons. Les données ont été préparées sur la base d'une collection et sous la licence CC BY 4.0.
Le projet présenté FUSS (Free Universal Sound Separation) vise à résoudre le problème de la séparation de n'importe quel nombre de sons aléatoires, dont la nature est inconnue à l'avance. D'autres systèmes similaires sont généralement limités à la tâche de séparation de sons spécifiques, par exemple la voix et les bruits de fond ou différents locuteurs.
La base de données compte environ 20 000 mélanges. L'ensemble comprend également des caractéristiques impulsionnelles des pièces pré-calculées, préparées à l'aide d'un simulateur de chambre spécialement conçu, tenant compte des réflexions sur les murs, de la position de la source sonore et de la position du microphone.
Source : opennet.ru
