摘要

双路径（Dual-path）是语音分离模型（如Sepformer）中一种流行的架构，其将长序列分割为重叠的块，分别在块内（intra-block）和块间（inter-block）进行建模，以捕捉块内局部特征与块间全局关系。然而，研究发现，构成双路径模型一半参数量的块间模块对性能提升贡献甚微。为此，我们提出单路径全局调制（Single-Path Global Modulation, SPGM）模块，用于替代原有的块间模块。SPGM模块名称源于其结构设计：由一个无参数的全局池化模块，后接一个仅占模型总参数量2%的调制模块构成。该设计使模型中所有Transformer层均可专注于局部特征建模，从而实现全模型的单路径结构。在WSJ0-2Mix数据集上，SPGM达到22.1 dB的SI-SDRi性能，在Libri2Mix数据集上达到20.4 dB，分别较Sepformer提升0.5 dB和0.3 dB，且在性能上达到甚至超越近期最先进模型水平，同时参数量最多可减少至其1/8。相关模型与权重已发布于Hugging Face：huggingface.co/yipjiaqi/spgm。