声源分离之人声与伴奏分离（人生艰难啊）

之前做的工作，也是用的这个原理，但效果不太好，主要是场景复杂，并不是简单的人声唱歌，同时伴奏也清晰。 很正常，在伴奏乐器较多的情况下，比如鼓和电声等诸多混音（现在很多，也很正常），这种情况要么有类似的训练数据，要么理论/原理上能解决这种问题。今天又重新整理了一下，感觉还是挺难了，训练了2万次左右吧，主要是训练的数据场景简单，而处理的对象复杂，所以效果不乐观，这也在意料之中。如下示例： 原声立体声，

>>阅读原文<<