蛇2与寂静相遇：稀疏区域的强大声音源分离

于红博

摘要: 我们介绍了一种新的音乐源分离模型，专为准确地隔离人声而设计。与通常无法捕捉间断出现的人声的基于Transformer的方法不同，我们的模型利用了最近的状态空间模型Mamba2，以更好地捕捉长期时间依赖关系。为了高效处理长输入序列，我们将带分割策略与双路径架构相结合。实验证明我们的方法优于最近的最新模型，实现了11.03 dB的cSDR-目前报道的最佳结果，并在uSDR上取得了实质性的收益。此外，该模型在不同输入长度和人声出现模式下表现稳定一致。这些结果表明，基于Mamba的模型在高分辨率音频处理方面是有效的，并为音频研究中更广泛的应用开辟了新的方向。

更新时间: 2025-12-31 07:56:14

领域: cs.SD,cs.AI,eess.AS

下载: http://arxiv.org/abs/2508.14556v2