أظهرت الدراسات الحديثة في مجال فصل مصادر الموسيقى توسيع نطاق تطبيقاتها ليشمل الإشارات الصوتية العامة. إن التطبيقات الزمنية الحقيقية لفصل مصادر الموسيقى ضرورية لتوفير خدمات مثل مُعدّلات التوازن المخصصة أو تحسين جودة الصوت في البث المباشر باستخدام تأثيرات متنوعة. ومع ذلك، فإن معظم الأساليب السابقة غير مناسبة للتطبيقات الزمنية الحقيقية بسبب تعقيدها الحسابي العالي، واستهلاكها الكبير للذاكرة، أو تأخيرها الطويل. لتجاوز هذه المشكلات، نقترح شبكةً لفصل مصادر الموسيقى من نوع Wave-U-Net تستخدم قنوات التصفية عالية الأبعاد لسمات المجال الخفي العميق. كما نقدم تقنية تعلم التباين لتقدير التضمين المميز في الفضاء الخفي لكل مصدر مستهدف باستخدام نهج مبني على التصفية. تم تقييم أداء النموذج المقترح على مجموعة بيانات MUSDB18HQ مقارنةً بعدة نماذج أساسية. وأظهرت التجارب أن النموذج المقترح قادر على المعالجة في الزمن الحقيقي، ويتفوق على النماذج الحالية.