清華大學提出動態頻段分割，提升音訊來源分離效能

研究在做什麼

Tsinghua Machine Learning Group 的研究指出，Band-split 架構透過手動將光譜劃分為預設頻率帶並編碼為 token 來降低此成本，將光譜手動劃分為預設的頻率帶並編碼為 token。然而，不同音訊來源包含的資訊結構不同，固定的分割邊界可能會合併具有辨識度的成分，或在解析度需求較低的區域浪費計算資源。本研究旨在解決這一問題，提出能適應不同混合音訊內容的動態分割方法。 Hugging Face 每日精選論文

方法

研究團隊提出了 Dynamic Band Splitting (DBS) 框架，這是一種端到端的系統，能在固定的頻段 token 預算下，根據內容調整邊界位置和頻帶寬度。具體做法是在頻率區塊內預測基於內容的邊界分數，使用 hard Top-K（一種從候選中選取前 K 個的機制）選擇指定數量的邊界，並應用依賴內容的池化技術獲得緊湊的頻段 token。分離後，系統會將這些 token 平滑並擴展回原始的 STFT 網格，沿頻率方向進行精細化，最後透過頻率共享頭（在多個頻率上共用參數的解碼模組）解碼出複數遮罩。 Hugging Face 每日精選論文

結果

在 DnR v2、MUSDB18-HQ 和 EchoSet 三個資料集上，DBS 的分離效果優於對應的靜態模型。其中，DBS-BSRNN 在 DnR v2 上將平均 SI-SDR 提升了 29.0%。研究還透過 DnR v2 的邊界分析顯示，在固定頻段 token 預算下，內容適應性的頻率分割對多種分離器骨架都有益處。 Hugging Face 每日精選論文

程式碼與資料

本站 2026-10-19 整理（資料來自 Hugging Face 論文頁與 GitHub，由程式查詢，不經模型撰寫）：

• 研究機構（Hugging Face 標示）：Tsinghua Machine Learning Group
• 程式碼：JusperLee/Dynamic-Band-Splitting｜22 顆星｜最後更新 2026-10-15｜授權 Apache-2.0
• 專案網頁：https://cslikai.cn/Dynamic-Band-Splitting/
• 公開模型：JusperLee/DBS-TIGER-DnR、JusperLee/DBS-BSRNN-DnR
• 線上展示：tardellirs/paper-pulse、JusperLee/DBS-Demo