提高降噪模型的泛化能力（包含一些噪聲數據鏈接）

• noise generalization：

       提高降噪模型對噪聲的泛化性，主要還是通過增加噪聲數據的多樣性（可以收集不同噪聲數據/或對噪聲數據做perturbation）

噪聲數據集：

1. sound-ideas 包含各種噪聲類型，但是要收費  https://www.sound-ideas.com/
2. freesound 做freesound的聲音分類包含很多喚醒噪聲： https://zenodo.org/record/2552860#.XpUoo1MzZTa 
3. Non speech noise 100條non-speech噪聲數據 http://web.cse.ohio-state.edu/pnl/corpus/HuNonspeech/HuCorpus.html
4. Urben sound 類似freesound https://urbansounddataset.weebly.com/urbansound.html
5. audiosets https://research.google.com/audioset/ontology/noise_1.html

• Speaker generation:

       Speaker generation 和模型的context 關係密切。DNN model 使用更多speaker數據訓練時，效果並沒有提升，但是像rnn 這種網絡在speaker 數量增多時，效果提升比較明顯（因爲dnn 模型一般設置前後context 比較小，但rnn 這種模型結構就有long-term context，也可以利用tcn 這樣的網絡結構增加context 的大小)。