Google um banco de dados anotado de sons mistos de referência que pode ser usado em sistemas de aprendizado de máquina usados para separar sons mistos arbitrários em seus componentes individuais. Também foi publicado um modelo genérico de aprendizado de máquina profundo (TDCN++) que pode ser usado no Tensorflow para separar sons. Dados preparados com base na coleta и licenciado sob CC BY 4.0.
O projeto FUSS (Free Universal Sound Separation) apresentado visa resolver o problema de separação de qualquer número de sons arbitrários, cuja natureza não é conhecida antecipadamente. Outros sistemas semelhantes são geralmente limitados à tarefa de distinguir entre certos sons, como vozes e não-vozes, ou diferentes pessoas falando.
O banco de dados contém cerca de 20 mil mixagens. O kit também inclui respostas de impulso de sala pré-calculadas usando um simulador de sala personalizado que leva em consideração a reflexão da parede, a localização da fonte sonora e a localização do microfone.
Fonte: opennet.ru