2022年1月语音合成(TTS)和语音识别(ASR)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。

---

(2022年第一个月就写简单些）

一 语音合成篇

表一给出具体分类说明。2022年1月的语音合成相关的文章有27篇。从表二的具体方向文章数量可知，声学模型、歌唱和音乐合成、声音转化和多模态的文章较多，其中歌唱合成在一月份开源了一份高质量的中文歌唱数据集，大家可以申请下载https://wenet.org.cn/opencpop/download/​。具体的文章详细链接可参看文档https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing

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	主要搜集talking head文章
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，开源数据，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）

	1月
前端	2
声学模型	4
声码器	1
个性化	1
多语言	1
歌唱合成	5
情感风格	2
多模态	4
声音转换	4
s2s	1
其它	2

语音合成的文章列表请访问http://yqli.tech/page/tts_paper.html

2022.01月份的文章

二 语音识别篇

语音识别的文章分类参照表三说明。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1月份ASR相关的文章有35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
robust	鲁棒性
multichannel	多通道

                                     表四  语音识别文章数量统计（单位：篇）

	1月
general	12
ctc	1
rnn-t	3
aed	1
dataset	3
data augmentation	1
lm	2
multilingual	2
personal	0
rescoring	1
unsupervised	2
accent	1
multichannel	0
robust	0
other	6

语音识别的文章列表请访问http://yqli.tech/page/asr_paper.html

2022.01月份语音识别具体文章