摘要

本文提出了一种高效神经网络，用于端到端的通用音频源分离任务。具体而言，该卷积网络的骨干结构为多分辨率特征的逐级下采样与重采样（SuDoRMRF），并通过简单的1维卷积实现特征聚合。该设计使得我们在有限的浮点运算量、内存占用、参数数量以及延迟条件下，仍能实现高质量的音频源分离效果。在语音与环境声音分离数据集上的实验结果表明，SuDoRMRF在性能上可与现有最先进方法相媲美，甚至在部分场景下超越它们，且所需计算资源显著更低。