2022年3月语音合成（TTS)和语音识别(ASR)论文月报
論文統計每月更新一次，主要跟蹤語音合成和語音識別的發展狀況(很多文章都是在會議后才發出，但不影響統計。統計過程難免存在疏漏，因此統計結果僅供參考。所有文章語音合成領域統計列表請訪問http://yqli.tech/page/tts_paper.html，語音識別領域論文統計請訪問http://yqli.tech/page/asr_paper.html。開源語音數據查詢?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消息，我將不斷修改該統計。如有轉載，請注明出處。歡迎關注微信公眾號：低調奮進。
在正文之前，我先介紹一下開源數據整理網頁，便于同行查詢數據。感興趣的讀者請訪問http://yqli.tech/page/data.html。
（我在三月份讀的文章也少，編寫解碼器剛上線測試。我在整理3月份的文章，發現幾篇較好的文章，將會在接下來時間進行分享）
一 語音合成篇
表一給出具體分類說明。2022年3月的語音合成相關的文章有56篇，比1月份和2月份都差不多增長1倍，詳情參見圖1。表二和圖2是語音合成的具體方向的文章情況，由此可知，聲學模型、聲碼器、聲音轉換和歌唱合成?是主要熱點。另外這期的前端工作有三篇文章，主要是tn和多音字消歧的?工作。
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 | 少數據，臟數據應用等自適應 |
| 多語言 | 多語言模型 |
| 歌唱合成 | 歌唱和音樂合成 |
| 情感 | 風格和情感 |
| 多模態 | 主要搜集talking head文章 |
| 聲音轉換 | 基于GAN方案和特征解耦方案 |
| S2S | ?speech-to-speech |
| 其它 | 基于EEG合成，開源數據，MOS評測以及語音合成的應用 |
圖1?語音合成論文總數
表二??語音合成論文分布情況
| 1月 | 2月 | 3月 | |
| 前端 | 2 | 0 | 3 |
| 聲學模型 | 4 | 5 | 17 |
| 聲碼器 | 1 | 5 | 7 |
| 個性化 | 1 | 2 | 4 |
| 多語言 | 1 | 1 | 0 |
| 歌唱合成 | 5 | 3 | 5 |
| 情感風格 | 2 | 2 | 1 |
| 多模態 | 4 | 3 | 2 |
| 聲音轉換 | 4 | 2 | 11 |
| s2s | 1 | 0 | 2 |
| 其它 | 2 | 0 | 4 |
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
2022.03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。圖3是語音識別文章總數，跟語音合成一樣，3月份的文章數量是2月份和1月份的?1倍。語音識別的研究方向具體情況參見表4和圖4。另外對于會議場景、訪談場景的工作研究有增加的?趨勢。?
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 表三? 語音識別分類說明
| 分類 | 說明 |
| general | 包括傳統、混合語音識別，以及對asr的優化 |
| ctc | ctc優化 |
| rnn-t | rnn-t的優化 |
| aed | aed優化 |
| dataset | 開源數據庫 |
| data aug | 數據增廣 |
| lm | 語言模型研究 |
| multilingual | 多語音系統以及code-switch |
| personal | 少數據量自適應以及個性化ASR |
| rescoring | 多種模型聯合打分 |
| unsupervised | 無監督或者自監督學習 |
| accent?,dialect | 口音和方言 |
| other | 其它方向研究，包括系統評價標準等等 |
| robust | 魯棒性 |
| speaker diarization | speaker diarization |
| multichannel | 多通道 |
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?圖3? 語音識別文章數量統計（單位：篇）
? ? ? ? ? ?? ? ?表4?語音識別研究方向分布情況
| 1月 | 2月 | 3月 | |
| general | 12 | 10 | 13 |
| ctc | 1 | 0 | 2 |
| rnn-t | 3 | 1 | 2 |
| aed | 1 | 1 | 1 |
| dataset | 3 | 0 | 3 |
| data augmentation | 1 | 1 | 1 |
| lm | 2 | 2 | 4 |
| multilingual | 2 | 1 | 2 |
| personal | 0 | 7 | 3 |
| rescoring | 1 | 1 | 2 |
| unsupervised | 2 | 3 | 17 |
| accent | 1 | 0 | 0 |
| multichannel | 0 | 4 | 1 |
| robust | 0 | 0 | 5 |
| other | 6 | 13 | 22 |
| speaker diarization | 0 | 3 | 4 |
?? ? ? ? ? ? ? ? ? ?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
2022.03月份語音識別具體文章
總結
以上是生活随笔為你收集整理的2022年3月语音合成（TTS)和语音识别(ASR)论文月报的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： ProxySQL 配置详解及读写分离(+
- 下一篇： 题解 - CF613D Kingdom