تلعب الفصل المستمر للحديث دورًا جوهريًا في المهام المعقدة المتعلقة بالحديث، مثل تحويل المحادثات إلى نص. حيث يقوم نموذج الفصل باستخراج إشارة متحدث واحد من مزيج من الأصوات المتحدثة. في هذه الورقة، نستخدم نماذج الترانسفورمر والكونفورمر بدلًا من الشبكات العصبية التكرارية في نظام الفصل، إذ نعتقد أن التقاط المعلومات الشاملة باستخدام الأسلوب القائم على الانتباه الذاتي أمر بالغ الأهمية للفصل الصوتي. وعند تقييم النموذج على مجموعة بيانات LibriCSS، حقق نموذج الفصل القائم على الكونفورمر نتائج متفوقة على الأداء الحالي، مع تقليل نسب خطأ الكلمات (WER) بنسبة 23.5% مقارنةً بالشبكة العصبية التكرارية الثنائية الاتجاه (BLSTM) في التقييم حسب الجملة، وبنسبة 15.4% في التقييم المستمر.