本文描述了一种基于卷积神经网络(CNN)的语音源分离的方法，该方法包括以下步骤：(a)提供原始带噪语音信号的时频变换的多个帧；(b)将所述多个帧的时频变换输入到具有多个并行卷积路径的聚合多尺度CNN中；(c)通过每个并行卷积路径从输入的所述多个帧的时频变换中提取并输出特征；(d)获得并行卷积路径的输出的聚合输出；和(e)基于聚合输出生成用于从原始带噪语音信号中提取语音的输出掩码。本文还描述了一种用于基于CNN的语音源分离的装置以及相应的计算机程序产品，计算机程序产品包括具有指令的计算机可读存储介质，所述指令在由具有处理能力的设备执行时适于执行所述方法。