論文統(tǒng)計每月更新一次，主要跟蹤語音合成和語音識別的發(fā)展狀況(很多文章都是在會議后才發(fā)出，但不影響統(tǒng)計。統(tǒng)計過程難免存在疏漏，因此統(tǒng)計結(jié)果僅供參考。所有文章語音合成領(lǐng)域統(tǒng)計列表請訪問http://yqli.tech/page/tts_paper.html，語音識別領(lǐng)域論文統(tǒng)計請訪問http://yqli.tech/page/asr_paper.html。開源語音數(shù)據(jù)查詢 http://yqli.tech/page/data.html。

如何查找語音資料請參考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。讀者有什么建議可以直接給我發(fā)消息，我將不斷修改該統(tǒng)計。如有轉(zhuǎn)載，請注明出處。歡迎關(guān)注微信公眾號：低調(diào)奮進。

---

一 語音合成篇

表一給出具體分類說明。2022年6月的語音合成相關(guān)的文章有43篇，相比5月份增加一倍詳情參見圖1，但少于2021年的54篇。表二和圖2是語音合成的具體方向文章的情況。本月的文章在聲學模型、情感tts、聲音轉(zhuǎn)換和多語言多說話人方向較多一些。

表一? 語音合成分類說明

分類	說明
前端	多音字，韻律，g2p等等。
聲學模型	語言特征轉(zhuǎn)聲學特征，attention工作，多說話人以及雙重學習
聲碼器	波形生成
個性化	少數(shù)據(jù)，臟數(shù)據(jù)應(yīng)用等自適應(yīng)
多語言和多說話人	多語言模型、多說話人模型
歌唱合成	歌唱和音樂合成
情感	風格和情感
多模態(tài)	主要搜集talking head文章
聲音轉(zhuǎn)換	基于GAN方案和特征解耦方案
S2S	?speech-to-speech
其它	基于EEG合成，開源數(shù)據(jù)，MOS評測以及語音合成的應(yīng)用

圖1?語音合成論文總數(shù)

表二??語音合成論文分布情況

	1月	2月	3月	4月	5月	6月
前端	2	0	3	0	0	2
聲學模型	4	5	17	8	2	7
聲碼器	1	5	7	5	3	4
個性化	1	2	4	3	3	1
多語言	1	1	0	3	0	5
歌唱合成	5	3	5	2	2	3
情感風格	2	2	1	3	2	6
多模態(tài)	4	3	2	5	3	3
聲音轉(zhuǎn)換	4	2	11	3	2	6
s2s	1	0	2	1	2	0
其它	2	0	4	12	3	6

圖2?語音合成論文分布情況柱狀圖

語音合成的文章列表請訪問http://yqli.tech/page/tts_paper.html

2022.06月份的文章

二?語音識別篇

語音識別的文章分類參照表三說明，方向speech translation和multimodal在前幾個月沒有統(tǒng)計，因此先不放進圖表中。圖3是語音識別文章總數(shù)，本月有55篇。語音識別的研究方向具體情況參見表4和圖4，很明顯，無監(jiān)督學習依然是最熱門的方向。另外，好未來開源了一些數(shù)據(jù)，尤其本次開源500小時中英混合數(shù)據(jù)，參見https://ai.100tal.com/dataset?。開源數(shù)據(jù)總結(jié)可訪問http://yqli.tech/page/data.html?。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 表三? 語音識別分類說明

分類	說明
general	包括傳統(tǒng)、混合語音識別，以及對asr的優(yōu)化
ctc	ctc優(yōu)化
rnn-t	rnn-t的優(yōu)化
aed	aed優(yōu)化
dataset	開源數(shù)據(jù)庫
data aug	數(shù)據(jù)增廣
lm	語言模型研究
multilingual	多語音系統(tǒng)以及code-switch
personal	少數(shù)據(jù)量自適應(yīng)以及個性化ASR
rescoring	多種模型聯(lián)合打分
unsupervised	無監(jiān)督或者自監(jiān)督學習
accent?,dialect	口音和方言
other	其它方向研究，包括系統(tǒng)評價標準等等
robust	魯棒性
speaker diarization	speaker diarization
multichannel	多通道
speech translation	語音翻譯
multi-modal	多模態(tài)

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?圖3 ?語音識別文章數(shù)量統(tǒng)計（單位：篇）

? ? ? ? ? ? ? ? ? ? ? ? ? ? ??表4?語音識別研究方向分布情況

	1月	2月	3月	4月	5月	6月
general	12	10	13	9	6	7
ctc	1	0	2	5	1	1
rnn-t	3	1	2	3	0	2
aed	1	1	1	1	0	1
dataset	3	0	3	2	1	4
data augmentation	1	1	1	2	2	0
lm	2	2	4	3	0	3
multilingual	2	1	2	1	2	2
personal | adaptation	0	7	3	1	2	2
rescoring	1	1	2	0	0	2
unsupervised	2	3	17	19	7	9
accent	1	0	0	2	2	0
multichannel	0	4	1	1	0	0
robust	0	0	5	2	2	1
other	6	13	22	13	9	10
speaker diarization	0	3	4	5	2	2
speech translation	-	-	-	-	6	4
multimodal	-	-	-	-	3	5

? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ?圖4 語音識別研究方向柱狀圖

語音識別的文章列表請訪問http://yqli.tech/page/asr_paper.html

2022.06月份語音識別具體文章

?

總結(jié)

以上是生活随笔為你收集整理的2022年6月语音合成（TTS)和语音识别(ASR)论文月报的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。