A Google vállalat referenciadöntő vegyes hangok adatbázisa, annotációkkal ellátva, amely gépi tanulási rendszerekben használható, hogy véletlenszerű vegyes hangokat különálló komponensekre bontson. Egy univerzális mélygépi tanulási modell (TDCN++) is megjelent, amely a Tensorflow-ban használható hangok szétválasztására. Az adatok egy gyűjtemény alapján készültek és CC BY 4.0 licenc alatt.
A bemutatott FUSS (Free Universal Sound Separation) projekt célja, hogy megoldja a tetszőleges számú véletlenszerű hang szétválasztásának problémáját, amelyek jellegéről előre nincs információ. Más hasonló rendszerek általában a konkrét hangok, például beszéd és nem beszéd, vagy különböző beszélő emberek szétválasztásával vannak korlátozva.
Az adatbázis körülbelül 20 ezer keveréket tartalmaz. A készlet előre számított impulzusválaszokat is tartalmaz, amelyeket egy speciális szobaszimulátor segítségével készítettek, figyelembe véve a falak visszaverődését, a hangforrás helyét és a mikrofon helyét.
Forrás: opennet.ru
