无伴奏合唱音乐的源分离
声音
2025-10-01 v1 机器学习
摘要
在本工作中，我们研究无伴奏合唱音乐中的多歌手分离任务，其中活跃歌手的数量在混合音频中各不相同。为解决这一问题，我们采用基于幂集的数据增强策略，将有限的多歌手数据集扩展为指数级更多的训练样本。为分离歌手，我们引入SepACap，这是最先进的说话人分离模型架构SepReformer的适配版本。我们对该模型进行了适配，加入了周期激活和复合损失函数，使其在音轨静音时仍然有效，从而实现鲁棒的检测与分离。在JaCappella数据集上的实验表明，我们的方法在全组合和子集歌手分离场景中均达到了最先进的性能，超越了基于频谱图的基线方法，同时能够泛化到歌手数量各异的真实混合音频中。
引用
@article{arxiv.2509.26580,
title = {Source Separation for A Cappella Music},
author = {Luca A. Lanzendörfer and Constantin Pinkl and Florian Grötschla},
journal= {arXiv preprint arXiv:2509.26580},
year = {2025}
}