SepRQ 开源：无掩码多尺度语音分离 SSL 框架

SepRQ 是一个开源的自监督语音表征学习框架，用冻结随机投影码本上的伪源分离目标替代掩码预测。在 SUPERB 基准上，SepRQ 在说话人日志和语音分离任务中超过 WavLM 等模型，Base 和 Large 规模均领先，推理参数仅 85.68M。它在 DIHARD 3 多域说话人日志数据集和目标说话人 ASR 任务上表现稳定，并在三说话人混合语音 WSJ0-3Mix 上展示了当前 SSL 文献难以企及的分离能力。目前同类 cocktail-party SSL 只有 C-HuBERT 和 SA-WavLM，且均为闭源。