一种基于统一架构的声音分离与目标声音提取方法

本发明公开了一种基于统一架构的声音分离与目标声音提取方法，涉及音频信号处理技术领域，包括：在第一训练阶段，采用吸引子网络估计混合音频信号中的声源数量，生成吸引子嵌入；将吸引子嵌入输入到分离主干网络，生成分离后的声音；在第二训练阶段，采用多模态线索处理网络处理多种模态的线索信息，生成线索嵌入；随机选择吸引子嵌入或线索嵌入作为分离主干网络的输入；在训练阶段，计算吸引子嵌入和线索嵌入之间的对齐损失函数；在推理阶段，如果没有线索信息，执行声音分离任务；如果有1至3个线索信息，执行目标声音提取任务。本发明根据输入的线索情况灵活选择执行任务，具有更好的适应性和灵活性，适用于复杂的声音场景。