AudioSep
基于自然语言查询的开放领域音频源分离模型
普通产品音乐音频分离自然语言查询
AudioSep是一种基于自然语言查询的开放领域音频源分离模型。它由文本编码器和分离模型两个关键组件组成。我们在大规模多模态数据集上训练AudioSep,并在许多任务上广泛评估其能力,包括音频事件分离、乐器分离和语音增强。AudioSep表现出强大的分离性能和令人印象深刻的零样本泛化能力,使用音频标题或文本标签作为查询,大大优于以前的音频查询和语言查询声音分离模型。为了保证本工作的可重复性,我们将发布源代码、评估基准和预训练模型。
AudioSep 最新流量情况
月总访问量
20208007
跳出率
44.64%
平均页面访问数
3.1
平均访问时长
00:04:14