通用音频效果移除

尽管音频效果的设计与应用已被充分理解，但这些效果移除的逆问题明显更具挑战性且研究甚少。近来，深度学习已被应用于音频效果移除；然而，现有方法集中于一次仅考虑单一效果或源类型的狭隘表述。在现实场景中，多种效果作用于变化的源内容。这催生了一个更通用的任务，我们称之为通用音频效果移除。我们使用跨四种不同源的五种音频效果构建了该任务的数据集，并用以训练和评估一组现有架构。我们发现没有任何单一模型在所有效果类型与源上均表现最优。为此，我们引入了 RemFX，一种旨在镜像所施加效果组合性的方法。我们首先训练一组表现最佳的效果专用移除模型，然后利用音频效果分类模型在推理时动态构建我们的模型图。我们发现该方法优于单一模型基线，尽管存在多种效果的样本仍具挑战性。