具有未知数量的多个说话者的话音分离

摘要

在一个实施例中，一种方法包括：接收混合音频信号，该混合音频信号包括与多个说话者相关联的话音信号的混合；通过使用配置有第一数量的输出通道的第一机器学习模型处理混合音频信号来生成第一音频信号；基于第一音频信号来确定第一数量的输出通道中的至少一个输出通道是无声的；通过使用配置有第二数量的输出通道的第二机器学习模型处理混合音频信号来生成第二音频信号，第二数量的输出通道比第一数量的输出通道少；基于第二音频信号来确定第二数量的输出通道中的每个输出通道是非无声的；并且使用第二机器学习模型来分离与多个说话者相关联的附加混合音频信号。