该文综述语音与音乐分离技术，涵盖TasNet直接时域建模（适合实时低功耗）、端到端混合模型（获2021音乐分离挑战赛冠军）、MIMO-TasNet（保留空间信息）、Demucs（优于Conv-TasNet）、音视架构（提升目标说话人提取），以及DenseNet、Twin Networks、Spectro-Temporal Transformer和WildMix数据集等进展；Conv-TasNet显著提升多说话人分离性能。

本文介绍音乐分离任务及两个新的基准数据集，比较模型表现并提供排名和数据集下载。作者提出了一种使用不同模型进行集成的新方法，在音乐分离挑战赛中获得最佳结果，代码和技术细节已在GitHub上公开。