論文統(tǒng)計(jì)每月更新一次，主要跟蹤語(yǔ)音合成和語(yǔ)音識(shí)別的發(fā)展?fàn)顩r(很多文章都是在會(huì)議后才發(fā)出，但不影響統(tǒng)計(jì)。統(tǒng)計(jì)過程難免存在疏漏，因此統(tǒng)計(jì)結(jié)果僅供參考。所有文章語(yǔ)音合成領(lǐng)域統(tǒng)計(jì)列表請(qǐng)?jiān)L問http://yqli.tech/page/tts_paper.html，語(yǔ)音識(shí)別領(lǐng)域論文統(tǒng)計(jì)請(qǐng)?jiān)L問http://yqli.tech/page/asr_paper.html。如何查找語(yǔ)音資料請(qǐng)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(jì)。如有轉(zhuǎn)載，請(qǐng)注明出處。歡迎關(guān)注微信公眾號(hào)：低調(diào)奮進(jìn)。

---

?（二月份我分享文章有點(diǎn)少，主要最近手頭活沒干完，自己沒那么多精力閱讀）

一 語(yǔ)音合成篇

表一給出具體分類說明，表二為每種分類的具體情況。2022年2月的語(yǔ)音合成相關(guān)的文章有23篇，比1月份的情況還少，呈下降趨勢(shì)。但與2021年的1月份和2月份來說是增加了（圖1為2021年論文情況，不保證遺漏情況，2021年度具體參見https://mp.weixin.qq.com/s/507imeCyF8cyH6rSlVKr6A）。從表二的具體方向文章數(shù)量可知，聲學(xué)模型、歌唱和音樂合成、聲碼器和多模態(tài)的文章較多，尤其聲碼器lpcnet作者又發(fā)了兩篇關(guān)于lpcnet的文章。聲音轉(zhuǎn)換的文章跟去年一樣，但沒有預(yù)料的增長(zhǎng)，更多工作趨向無監(jiān)督或者端到端的?方向研究。總體研究情況沒有出現(xiàn)特別亮眼的?系統(tǒng)。

表一? 語(yǔ)音合成分類說明?

分類	說明
前端	多音字，韻律，g2p等等。
聲學(xué)模型	語(yǔ)言特征轉(zhuǎn)聲學(xué)特征，attention工作，多說話人以及雙重學(xué)習(xí)
聲碼器	波形生成
個(gè)性化	少數(shù)據(jù)，臟數(shù)據(jù)應(yīng)用等自適應(yīng)
多語(yǔ)言	多語(yǔ)言模型
歌唱合成	歌唱和音樂合成
情感	風(fēng)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(píng)測(cè)以及語(yǔ)音合成的應(yīng)用

表二 語(yǔ)音合成文章情況表（單位：篇）

	篇數(shù)
1月	27
2月	23
	1月	2月
前端	2	0
聲學(xué)模型	4	5
聲碼器	1	5
個(gè)性化	1	2
多語(yǔ)言	1	1
歌唱合成	5	3
情感風(fēng)格	2	2
多模態(tài)	4	3
聲音轉(zhuǎn)換	4	2
s2s	1	0
其它	2	0

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?圖1?2021年語(yǔ)音合成論文情況柱狀圖

語(yǔ)音合成的文章列表請(qǐng)?jiān)L問http://yqli.tech/page/tts_paper.html

2022.02月份的文章

二?語(yǔ)音識(shí)別篇

語(yǔ)音識(shí)別的文章分類參照表三說明。表四為每個(gè)方向的具體文章數(shù)據(jù)量和本月的文章總量，其中2月份ASR相關(guān)的文章有44篇，比1月份相對(duì)增長(zhǎng)，尤其一些參加比賽的文章比較多，比如M2MeT?等等。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 表三? 語(yǔ)音識(shí)別分類說明?

分類	說明
general	包括傳統(tǒng)、混合語(yǔ)音識(shí)別，以及對(duì)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(kù)
data aug	數(shù)據(jù)增廣
lm	語(yǔ)言模型研究
multilingual	多語(yǔ)音系統(tǒng)以及code-switch
personal	少數(shù)據(jù)量自適應(yīng)以及個(gè)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(xué)習(xí)
accent?,dialect	口音和方言
other	其它方向研究，包括系統(tǒng)評(píng)價(jià)標(biāo)準(zhǔn)等等
robust	魯棒性
multichannel	多通道

?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?表四? 語(yǔ)音識(shí)別文章數(shù)量統(tǒng)計(jì)（單位：篇）

	篇數(shù)
1月	35
2月	44
	1月	2月
general	12	10
ctc	1	0
rnn-t	3	1
aed	1	1
dataset	3	0
data augmentation	1	1
lm	2	2
multilingual	2	1
personal	0	7
rescoring	1	1
unsupervised	2	3
accent	1	0
multichannel	0	4
robust	0	0
other	6	13

?

語(yǔ)音識(shí)別的文章列表請(qǐng)?jiān)L問http://yqli.tech/page/asr_paper.html

2022.02月份語(yǔ)音識(shí)別具體文章

總結(jié)

以上是生活随笔為你收集整理的2022年2月语音合成（TTS)和语音识别(ASR)论文月报的全部?jī)?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(cuò)，歡迎將生活随笔推薦給好友。