DPRNN متعدد المُفكّرات: عدّ المصدر بدقة عالية والفصل

نُقدّم نهجًا قابلاً للتدريب من الطرف إلى الطرف لفصل الكلام من قناة واحدة مع عدد غير معروف من المتكلمين. يُعدّ هذا النهج امتدادًا لنموذج MulCat الأساسي لفصل المصادر، مع إضافة رؤوس خرج إضافية: رأس عدّ لاستنتاج عدد المتكلمين، ورؤوس فك تشفير لإعادة بناء الإشارات الأصلية. وبالإضافة إلى النموذج، نقترح أيضًا معيارًا لتقييم فصل المصادر عندما يكون عدد المتكلمين متغيرًا. وتحديدًا، نُحلّل المشكلة المتعلقة بكيفية تقييم جودة الفصل عندما يكون عدد المتكلمين في البيانات الحقيقية (القيمة الحقيقية) أكثر أو أقل من عدد المتكلمين المُتنبأ به من قبل النموذج. وقد قُمنا بتقييم نهجنا على مجموعة بيانات WSJ0-mix، التي تتضمن مزيجًا يصل إلى خمسة متكلمين. ونُظهر أن نهجنا يتفوّق على أحدث التقنيات في تحديد عدد المتكلمين، ويحافظ على كفاءة تنافسية في جودة الإشارات المعاد بناؤها.