语音分离领域针对具有挑战性的 "鸡尾酒会问题"，随着深度神经网络 (DNN) 的发展，该领域取得了革命性的进展。语音分离可以用于独立应用，在复杂的声学环 境中提高语音清晰度。此外，它还可以作为其他语音处理任务（如语音识别和说话人识别）的重要预处理方法。 为了应对当前的文献综述往往只关注特定的架构设计或孤立的学习方法，导致对这个快速发展的领域的理解碎片化的现实情况， 清华大学、 青海大学、 南京大 学、 南方科技大学、 中国科学院大学、 字节跳动 的研究者 们全面调研了该领域的发展和最前沿的研究方法，在 深度学习方法、模 型 架 构、研究主题、评测指 标、数据集、工具平台、模型效 果比较、未来挑 战 等多个维度，撰写了一项统一、全面的 综述论文 ，对 200 余篇 代表性论文进行了系统归纳和分析。 | Survey | Year | DL | Arch | Topics | Eval | Data | Platforms | Results | Challenges | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | Wang an ...