2021年1~12月语音合成和语音识别论文月报

​

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。

---

（等两天将会对语音合成论文进行年度总结~）

一 语音合成篇

首先，看一下语音合成每月的文章数量情况。语音合成在12月只有14篇文章，相比10和11月份下降很多。我本以为统计错了，就重新搜索一次，本月的​合成文章的确很少。

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。由表二以及折线图和柱状图可知，语音合成前端研究依然很少，当前在产业界对前端投入的也越来越少。合成领域在本月的声学模型设计和优化方向竟然为0，文章相对较多的方向包括音乐、vc和多模态都有三篇文章。

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

12月份的文章

二 语音识别篇

语音识别的文章分类统计依然在调整中，目前具体分类参照表三说明，本次添加robust和multichannel分类。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12月份ASR相关的文章有34篇，跟11月份差不多。

                                  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
robust	鲁棒性
multichannel	多通道

                                     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

12月份语音识别具体文章