Avances en la Separación del Habla: Técnicas, Desafíos y Tendencias Futuras

Advances in Speech Separation: Techniques, Challenges, and Future Trends

August 14, 2025

Autores: Kai Li, Guo Chen, Wendi Sang, Yi Luo, Zhuo Chen, Shuai Wang, Shulin He, Zhong-Qiu Wang, Andong Li, Zhiyong Wu, Xiaolin Hu

cs.AI

Resumen

El campo de la separación de voz, que aborda el "problema de la fiesta de cóctel", ha experimentado avances revolucionarios con las redes neuronales profundas (DNN). La separación de voz mejora la claridad en entornos acústicos complejos y sirve como un preprocesamiento crucial para el reconocimiento de voz y el reconocimiento de hablantes. Sin embargo, la literatura actual se centra de manera estrecha en arquitecturas específicas o enfoques aislados, creando una comprensión fragmentada. Esta encuesta aborda esta brecha al proporcionar un examen sistemático de las técnicas de separación de voz basadas en DNN. Nuestro trabajo se diferencia por: (I) Perspectiva integral: Investigamos sistemáticamente los paradigmas de aprendizaje, los escenarios de separación con hablantes conocidos/desconocidos, el análisis comparativo de marcos supervisados/autosupervisados/no supervisados, y los componentes arquitectónicos desde los codificadores hasta las estrategias de estimación. (II) Actualidad: La cobertura de los desarrollos más avanzados garantiza el acceso a las innovaciones y puntos de referencia actuales. (III) Ideas únicas: Más allá de la síntesis, evaluamos las trayectorias tecnológicas, identificamos patrones emergentes y destacamos direcciones prometedoras, incluyendo marcos robustos en diferentes dominios, arquitecturas eficientes, integración multimodal y nuevos paradigmas autosupervisados. (IV) Evaluación justa: Proporcionamos evaluaciones cuantitativas en conjuntos de datos estándar, revelando las verdaderas capacidades y limitaciones de los diferentes métodos. Esta encuesta integral sirve como una referencia accesible tanto para investigadores experimentados como para recién llegados que navegan por el complejo panorama de la separación de voz.

English

The field of speech separation, addressing the "cocktail party problem", has seen revolutionary advances with DNNs. Speech separation enhances clarity in complex acoustic environments and serves as crucial pre-processing for speech recognition and speaker recognition. However, current literature focuses narrowly on specific architectures or isolated approaches, creating fragmented understanding. This survey addresses this gap by providing systematic examination of DNN-based speech separation techniques. Our work differentiates itself through: (I) Comprehensive perspective: We systematically investigate learning paradigms, separation scenarios with known/unknown speakers, comparative analysis of supervised/self-supervised/unsupervised frameworks, and architectural components from encoders to estimation strategies. (II) Timeliness: Coverage of cutting-edge developments ensures access to current innovations and benchmarks. (III) Unique insights: Beyond summarization, we evaluate technological trajectories, identify emerging patterns, and highlight promising directions including domain-robust frameworks, efficient architectures, multimodal integration, and novel self-supervised paradigms. (IV) Fair evaluation: We provide quantitative evaluations on standard datasets, revealing true capabilities and limitations of different methods. This comprehensive survey serves as an accessible reference for experienced researchers and newcomers navigating speech separation's complex landscape.