语音分离（Speech Separation）这个问题来自于“鸡尾酒会问题”，采集的音频信号中除了主说话人之外，还有其他人说话声的干扰和噪音干扰。语音分离的目标就是从这些干扰中分离出主说话人的语音。
根据干扰的不同，语音分离任务可以分为三类：
1、当干扰为噪声信号时，可以称为“语音增强”（Speech Enhancement）
2、当干扰为其他说话人时，可以称为“多说话人分离”（Speaker Separation）
3、当干扰为目标说话人自己声音的反射波时，可以称为“解混响”（De-reverberation）
由于麦克风采集到的声音中可能包括噪声、其他人说话的声音、混响等干扰，不做语音分离、直接进行识别的话，会影响到识别的准确率。因此在语音识别的前端加上语音分离技术，把目标说话人的声音和其它干扰分开就可以提高语音识别系统的鲁棒性，这从而也成为现代语音识别系统中不可或缺的一环。
基于深度学习的语音分离，主要是用基于深度学习的方法，从训练数据中学习语音、说话人和噪音的特征，从而实现语音分离的目标。本资源整理了基于深度学习语音分离和抽取（Speech Separation and Extraction）相关的tutorials、算法及最新的研究论文，公开数据集，代码和工具，需要的朋友自取。
资源整理自网络，源地址：
https://github.com/gemengtju/Tutorial_Separation
文中论文等资源下载链接，见源地址。
目录
资源列表
