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