基于映射法的语音分离中稳定标签选择的渐进学习

由于相比时频域具有更低延迟和更高性能，语音分离已在时域得到研究。时域中大多使用基于掩码的方法，而另一种常用方法（基于映射的方法）研究不足。我们探究了时域中基于映射方法的使用，并表明其在大规模训练集上可比基于掩码的方法表现更好。我们还探究了置换不变训练（PIT）中频繁的标签切换问题，该问题因 PIT 在各训练轮次所选标签不同而导致次优训练。我们的实验结果表明，PIT 在浅层分离模型中表现良好，而标签切换发生于更深的模型。我们推断层解耦可能是频繁标签切换的原因。因此，我们提出了一种基于渐进学习的训练策略。该方法在不增加计算复杂度或训练语料的情况下显著减少了不一致的标签分配。通过将此训练策略与基于映射的方法结合，我们相比基线显著提升了分离性能。