摘要

在本文中，我们提出采用TasTas \cite{shi2020speech} 方法，用于端到端的单通道语音分离任务，以应对预混音鸡尾酒会问题（pre-cocktail party problem）。在公开的WSJ0-5mix数据集上的实验结果显示，语音分离性能提升了10.41 dB的信噪比改善（SDR）。若在训练过程中引入在线语音数据重混增强技术 \cite{zeghidour2020wavesplit}，可进一步将SDR提升至11.14 dB。我们已将基于双路径RNN的DPRNN-TasNet模型的复现代码开源至 https://github.com/ShiZiqiang/dual-path-RNNs-DPRNNs-based-speech-separation。本文所实现的TasTas模型即基于该DPRNN-TasNet框架构建，因此可较为便捷地复现本文所报告的实验结果。