鸡尾酒会问题
即分离两个或多个说话声有重叠的人声音频
想咨询一下佬们现在有效果还不错的模型吗?
之前在魔搭上有使用过类似的模型,如mossformer2。但是分离效果不太好,比如分离两个女说话人的音频就几乎没办法使用
佬,你这个是分离音乐伴奏的
可以看看这个, 比较新, 可以比较好的做到分离, 我理解的是通过视频口型来分离的
谢谢佬,我周末试一下
鸡尾酒会问题
即分离两个或多个说话声有重叠的人声音频
想咨询一下佬们现在有效果还不错的模型吗?
之前在魔搭上有使用过类似的模型,如mossformer2。但是分离效果不太好,比如分离两个女说话人的音频就几乎没办法使用
佬,你这个是分离音乐伴奏的
可以看看这个, 比较新, 可以比较好的做到分离, 我理解的是通过视频口型来分离的
谢谢佬,我周末试一下