自从人工智能成为最热门的研究领域,我们的生活方式也逐步向智能化迈进。智能家居越来越普及到人们日常的方方面面,而作为智能家居入口的智能语音设备,更是吸引了相当多研究人员的研究热情,如何从真实环境中获取到尽可能纯净的语音与提升语音识别准确率有密切关系。本文则立足于含有特定说话人的多说话人分离任务,提出了单标签训练这一全新的概念,该方法有几个不同于传统方法的特点。首先,传统的多说话人分离方法多以目标无关为主,即通过大量不同的训练数据训练一个泛化能力较强的模型以适配更多的说话人,这种模型存在一个明显的缺点,那就是太过于依赖混合时的信噪比,也就是语音能量,当不同的说话人的语音能量相等或者相近时,这种方法的结果会大打折扣。而单标签训练则关注某个特定的说话人,在训练过程中保持一个说话人不变,干扰说话人随机选取,并以不同的信噪比和干扰语音混合。其次,单标签训练创新性地将说话人无关的方法应用到说话人相关的任务中,利用最小交叉损失使目标和非目标语音各自获得最佳的匹配,在避免了标签排列问题的同时,能够把目的说话人和非目的说话人分离。从实验来看,我们收集了一个总计约35小时的普通话语料库,结果显示,使用单标签训练之后,分离结果比对照组取得了大幅度的提升。首先是在6d B信噪比混合的情况下,针对目的说话人和干扰说话人,单标签训练的SDR结果比对照组分别提升了17.4%和7.6%。当混合信噪比降为0d B时,单标签训练的SDR结果比对照组更是全面领先,分别是目的说话人的SDR提高了123.8%,非目的说话人的SDR提高了130.8%。在另一个评估标准PESQ上,使用了单标签训练的实验结果依然领先于传统的说话人无关模型。