スピーチ分離は、マルチスピーカー技術の研究者にとって重要なテーマの一つである。畳み込み拡張型トランスフォーマー（Conformers）は、多数の音声処理タスクにおいて優れた性能を発揮しているが、スピーチ分離における研究はまだ十分に進んでいない。近年の最先端（SOTA）分離モデルの多くは、時間領域音声分離ネットワーク（TasNet）に基づいている。多くの成功したモデルでは、局所情報とグローバル情報を逐次処理する二重パス（DP）ネットワークが活用されている。時間領域Conformers（TD-Conformers）は、局所的およびグローバルな文脈を逐次処理する点でDPアプローチに類似しているが、時間計算量の関数が異なる。実用的な短い信号長を想定した場合、特徴次元を一定に保った状態でConformersがより計算効率が良いことが示された。さらに、計算効率を向上させるために、サブサンプリング層の導入が提案されている。最良のTD-Conformerは、WHAMRとWSJ0-2Mixのベンチマークにおいて、それぞれ14.6 dBおよび21.2 dBのSISDR向上を達成した。