Google en databas med referensblandade ljud som levereras med anteckningar, vilket gör den användbar i maskininlärningssystem som används för att separera godtyckliga blandade ljud i individuella komponenter. En universell djupinlärningsmodell (TDCN++) publicerades också, som kan användas i Tensorflow för ljudseparation. Data har förberetts baserat på en samling och under licens CC BY 4.0.
Projektet FUSS (Free Universal Sound Separation) syftar till att lösa problemet med att separera ett godtyckligt antal blandade ljud, vars karaktär inte är känd i förväg. Andra liknande system är vanligtvis begränsade till att separera specifika ljud, till exempel tal och icke-tal eller olika talare.
Datan innehåller cirka 20 000 blandningar. I uppsättningen ingår även förberäknade impulskarakteristik för rummet, som beretts med en specialdesignad rumsimulator och tar hänsyn till reflektioner från väggarna, ljudkällans position och mikrofonens position.
Källa: opennet.ru
