2022年4月语音合成（TTS)和语音识别(ASR)论文月报
論文統(tǒng)計(jì)每月更新一次，主要跟蹤語音合成和語音識別的發(fā)展?fàn)顩r(很多文章都是在會議后才發(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。所有文章語音合成領(lǐng)域統(tǒng)計(jì)列表請?jiān)L問http://yqli.tech/page/tts_paper.html，語音識別領(lǐng)域論文統(tǒng)計(jì)請?jiān)L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(jì)。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(jìn)。
（這波居家要兩周，希望早點(diǎn)回歸正軌）
一 語音合成篇
表一給出具體分類說明。2022年4月的語音合成相關(guān)的文章有45篇，詳情參見圖1。表二和圖2是語音合成的具體方向文章的情況。這個月的研究熱點(diǎn)為聲學(xué)模型、聲碼器和多模態(tài)。另外，歌唱合成和聲音轉(zhuǎn)換方向的文章數(shù)量下降一些?。由于本月VoiceMOS Challenge 2022的原因，MOS相關(guān)工作增加?。最后，無監(jiān)督學(xué)習(xí)開始在合成領(lǐng)域得到關(guān)注?。
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(xué)模型 | 語言特征轉(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 |
| 個性化 | 少數(shù)據(jù)，臟數(shù)據(jù)應(yīng)用等自適應(yīng) |
| 多語言 | 多語言模型 |
| 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 | |
| 前端 | 2 | 0 | 3 | 0 |
| 聲學(xué)模型 | 4 | 5 | 17 | 8 |
| 聲碼器 | 1 | 5 | 7 | 5 |
| 個性化 | 1 | 2 | 4 | 3 |
| 多語言 | 1 | 1 | 0 | 3 |
| 歌唱合成 | 5 | 3 | 5 | 2 |
| 情感風(fēng)格 | 2 | 2 | 1 | 3 |
| 多模態(tài) | 4 | 3 | 2 | 5 |
| 聲音轉(zhuǎn)換 | 4 | 2 | 11 | 3 |
| s2s | 1 | 0 | 2 | 1 |
| 其它 | 2 | 0 | 4 | 12 |
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?jiān)L問http://yqli.tech/page/tts_paper.html
2022.04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(shù)。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(xué)習(xí)在語音識別成為最大的研究熱點(diǎn)?。
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 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(xué)習(xí) |
| accent?,dialect | 口音和方言 |
| other | 其它方向研究，包括系統(tǒng)評價標(biāo)準(zhǔn)等等 |
| robust | 魯棒性 |
| speaker diarization | speaker diarization |
| multichannel | 多通道 |
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?圖3 語音識別文章數(shù)量統(tǒng)計(jì)（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 | |
| general | 12 | 10 | 13 | 9 |
| ctc | 1 | 0 | 2 | 5 |
| rnn-t | 3 | 1 | 2 | 3 |
| aed | 1 | 1 | 1 | 1 |
| dataset | 3 | 0 | 3 | 2 |
| data augmentation | 1 | 1 | 1 | 2 |
| lm | 2 | 2 | 4 | 3 |
| multilingual | 2 | 1 | 2 | 1 |
| personal | 0 | 7 | 3 | 1 |
| rescoring | 1 | 1 | 2 | 0 |
| unsupervised | 2 | 3 | 17 | 19 |
| accent | 1 | 0 | 0 | 2 |
| multichannel | 0 | 4 | 1 | 1 |
| robust | 0 | 0 | 5 | 2 |
| other | 6 | 13 | 22 | 13 |
| speaker diarization | 0 | 3 | 4 | 5 |
?? ? ? ? ? ? ? ? ? ?圖4 語音識別研究方向柱狀圖
?
語音識別的文章列表請?jiān)L問http://yqli.tech/page/asr_paper.html
2022.04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4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。
- 上一篇： 【精】JAVA各大厂问题汇总-HELLO
- 下一篇： 房子装修真的好累~~