论文统计每月更新一次,主要跟踪语音合成和语音识别的发展状况(很多文章都是在会议后才发出,但不影响统计。统计过程难免存在疏漏,因此统计结果仅供参考。所有文章语音合成领域统计列表请访问http://yqli.tech/page/tts_paper.html,语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg)。读者有什么建议可以直接给我发消息,我将不断修改该统计。如有转载,请注明出处。欢迎关注微信公众号:低调奋进。
本月添加了语音识别论文的统计,目前对识别方向的分类还在不断调整,读者有什么建议可以给我发送修改意见。
一 语音合成篇
首先,看一下语音合成每月的文章数量。语音合成在10月的论文数量大幅增加,有64篇。这可能由于下半年高校开学和各种会议举办的结果。
接下来,看一下每个方向的具体情况。表一给出具体分类说明,本次添加了S2S这种分类,是因为我感觉这个方向的研究越来越多,而且非常实用。由表二以及折线图和柱状图可知,语音合成前端的工作依然很清淡,合成领域的主要的研究方向还是声学模型的优化、风格情感、声码器和声音转换。另外,本月的多语言模型有5篇文章。最后,歌唱方面的研究的确增加很多,要不是受限于训练数据,该方向的文章将会更多。
表一 语音合成分类说明
分类 | 说明 |
前端 | 多音字,韵律,g2p等等。 |
声学模型 | 语言特征转声学特征,attention工作,多说话人以及双重学习 |
声码器 | 波形生成 |
个性化 | 少数据,脏数据应用等自适应 |
多语言 | 多语言模型 |
歌唱合成 | 歌唱和音乐合成 |
情感 | 风格和情感 |
多模态 | talking head等等 |
声音转换 | 基于GAN方案和特征解耦方案 |
S2S | speech-to-speech |
其它 | 基于EEG合成,数据,MOS评测以及语音合成的应用 |
表二 语音合成文章情况表(单位:篇)
接下来是相关的柱状图和折线图
语音合成的文章列表请访问http://yqli.tech/page/tts_paper.html
10月份的文章
二 语音识别篇
本月增加了语音识别的文章统计,其具体的分类有待调整,接下来我将对齐不断修改,具体分类参照表三说明。表四为每个方向的具体文章数据量和本月的文章总量,其中10月份ASR相关的文章有69篇。
表三 语音识别分类说明
分类 | 说明 |
general | 包括传统、混合语音识别,以及对asr的优化 |
ctc | ctc优化 |
rnn-t | rnn-t的优化 |
aed | aed优化 |
dataset | 开源数据库 |
data aug | 数据增广 |
lm | 语言模型研究 |
multilingual | 多语音系统以及code-switch |
personal | 少数据量以及个性化ASR |
rescoring | 多种模型联合打分 |
unsupervised | 无监督或者自监督学习 |
accent ,dialect | 口音和方言 |
other | 其它方向研究,包括系统评价标准等等 |
表四 语音识别文章数量统计(单位:篇)
语音识别的文章列表请访问http://yqli.tech/page/asr_paper.html
10月份语音识别具体文章