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。
(二月份我分享文章有点少,主要最近手头活没干完,自己没那么多精力阅读)
一 语音合成篇
表一给出具体分类说明,表二为每种分类的具体情况。2022年2月的语音合成相关的文章有23篇,比1月份的情况还少,呈下降趋势。但与2021年的1月份和2月份来说是增加了(图1为2021年论文情况,不保证遗漏情况,2021年度具体参见https://mp.weixin.qq.com/s/507imeCyF8cyH6rSlVKr6A)。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、声码器和多模态的文章较多,尤其声码器lpcnet作者又发了两篇关于lpcnet的文章。声音转换的文章跟去年一样,但没有预料的增长,更多工作趋向无监督或者端到端的方向研究。总体研究情况没有出现特别亮眼的系统。
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)
篇数 | ||
1月 | 27 | |
2月 | 23 | |
1月 | 2月 | |
前端 | 2 | 0 |
声学模型 | 4 | 5 |
声码器 | 1 | 5 |
个性化 | 1 | 2 |
多语言 | 1 | 1 |
歌唱合成 | 5 | 3 |
情感风格 | 2 | 2 |
多模态 | 4 | 3 |
声音转换 | 4 | 2 |
s2s | 1 | 0 |
其它 | 2 | 0 |
图1 2021年语音合成论文情况柱状图
语音合成的文章列表请访问http://yqli.tech/page/tts_paper.html
2022.02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2月份ASR相关的文章有44篇,比1月份相对增长,尤其一些参加比赛的文章比较多,比如M2MeT等等。
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 | 少数据量自适应以及个性化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)
篇数 | ||
1月 | 35 | |
2月 | 44 | |
1月 | 2月 | |
general | 12 | 10 |
ctc | 1 | 0 |
rnn-t | 3 | 1 |
aed | 1 | 1 |
dataset | 3 | 0 |
data augmentation | 1 | 1 |
lm | 2 | 2 |
multilingual | 2 | 1 |
personal | 0 | 7 |
rescoring | 1 | 1 |
unsupervised | 2 | 3 |
accent | 1 | 0 |
multichannel | 0 | 4 |
robust | 0 | 0 |
other | 6 | 13 |
语音识别的文章列表请访问http://yqli.tech/page/asr_paper.html
2022.02月份语音识别具体文章