摘要

当前最先进的音频源分离模型依赖于监督式数据驱动方法，这类方法在标注资源方面成本较高。另一方面，无需任何直接监督的训练方法通常对内存和计算时间需求极高，难以在推理阶段实际应用。为克服上述局限，本文提出一种简单而高效的无监督分离算法，该算法直接作用于时域信号的潜在表示。该方法利用预训练的自回归网络作为深度贝叶斯先验，建模各个声源的概率分布。通过引入一种新颖的损失函数，对离散潜在空间施加精确的算术结构，从而利用其低基数特性，实现无需依赖近似策略的精确贝叶斯推断。我们在Slakh数据集（arXiv:1909.08494）上验证了所提方法，实验结果与当前最先进的监督式方法相当，同时相较于其他无监督方法显著降低了资源消耗。