与采样频率无关的对话分离

在一些用于音频源分离的DNN中，相关模型参数与训练所用音频的采样频率无关。考虑到对话分离的应用，这一点在两种DNN架构上得到了验证：U-Net和全卷积模型。这些模型使用采样率为8 kHz的音频进行训练，学习到的参数被迁移到用于处理48 kHz音频的模型中。将分离出的音频源与用相同训练数据的48 kHz版本训练的同种模型架构所产生的音频源进行比较。听力测试和计算度量表明，用8 kHz或48 kHz训练的模型之间不存在显著的感知差异。这种学习参数的可迁移性使得训练更快且计算成本更低。它还使得能够使用采样频率低于当前应用所需频率的训练数据集，或使用具有多种采样频率的数据集合。