开发有效的训练数据集以提高基于人工智能的说话人分离系统性能

原文中文，约300字，阅读约需1分钟。发表于：。

本研究解决了说话人分离中的问题，即现有模型在真实录音环境中表现不佳，主要由于训练数据集缺乏真实性。我们提出了一种新颖的构建训练数据集的方法，包含混合信号及每位说话人的相应真实信号，评估结果显示其在真实混音条件下，性能提升1.65 dB，展示了现实训练集在提升说话人分离模型性能方面的潜力。

本研究提出了一种新方法，构建包含混合信号和真实信号的训练数据集，以解决说话人分离问题。评估结果表明，在真实混音条件下，性能提升了1.65 dB，验证了现实训练集的有效性。