2022年1~10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(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。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(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)。
文章統(tǒng)計(jì)excel?https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing
(AIGC這么火,打算跟一下其動(dòng)態(tài),后續(xù)整理資料分享,詳情后續(xù)參見http://yqli.tech/page/aigc.html)
一 語音合成篇
表一給出具體分類說明。2022年10月的語音合成相關(guān)的文章有45篇,相比9月份增加不少(詳情見圖1),但少于去年篇數(shù)。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(xué)模型、歌唱、聲音轉(zhuǎn)換和聲碼器較多一些,其中diffusion有三篇文章。?
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(gè)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(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
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(qǐng)?jiān)L問http://yqli.tech/page/tts_paper.html
2022.10月份的文章
https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing
二?語音識(shí)別篇
語音識(shí)別的文章分類參照表三說明。圖3是語音識(shí)別文章總數(shù),本月有104篇,相比9月份爆炸增長,是否前幾個(gè)月都積攢到這個(gè)月。語音識(shí)別的研究方向具體情況參見表4和圖4,其中無監(jiān)督、多語言、speech translation稍微多一些(熱點(diǎn)在變,感覺很多文章不太好分類)。
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 表三? 語音識(shí)別分類說明
| 分類 | 說明 |
| general | 包括傳統(tǒng)、混合語音識(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 |
| 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(gè)性化ASR |
| rescoring | 多種模型聯(lián)合打分 |
| unsupervised | 無監(jiān)督,半監(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 |
| 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(shí)別文章數(shù)量統(tǒng)計(jì)(單位:篇)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 表4?語音識(shí)別研究方向分布情況
? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ?圖4 語音識(shí)別研究方向柱狀圖
語音識(shí)別的文章列表請(qǐng)?jiān)L問http://yqli.tech/page/asr_paper.html
2022.10月份語音識(shí)別具體文章
https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing
總結(jié)
以上是生活随笔為你收集整理的2022年1~10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: Codeforces Round #61
- 下一篇: 2021年1~12月语音合成和语音识别论