Компания Google опубликовала базу данных эталонных смешанных звуков, снабжённую аннотациями, которую можно использовать в системах машинного обучения, применяемых для разделения произвольных смешанных звуков на отдельные компоненты. Также опубликована универсальная модель глубинного машинного обучения (TDCN++), которая может быть использована в Tensorflow для разделения звуков. Данные подготовлены на основе коллекции freesound.org и опубликованы под лицензией CC BY 4.0.
Представленный проект FUSS (Free Universal Sound Separation) нацелен на решение проблемы разделения любого числа произвольных звуков, о характере которых заранее не известно. Другие подобные системы, как правило, ограничены задачей разделения определённых звуков, например, голоса и не голоса или разных говорящих людей.
БД насчитывает около 20 тысяч смешиваний. В набор также входят предварительно рассчитанные импульсные характеристики помещения, подготовленные при помощи специально созданного симулятора комнаты и учитывающие отражение от стен, местоположение источника звука и местоположение микрофона.
