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。开源语音数据查询 http://yqli.tech/page/data.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。
一 语音合成篇
表一给出具体分类说明。2022年5月的语音合成相关的文章有22篇,相比4月份下降一半详情参见图1。图1中的蓝色为2021年的情况,红色为本年度的文章情况,其文章趋势跟去年相同,5月份大幅减少。表二和图2是语音合成的具体方向文章的情况。这个月的文章在每个方向的热度都相当。另外,Diffusion Probabilistic Model已经成为研究的热点,去年在组内我做过该专题的分享,有兴趣的读者可阅读我列举的几篇早期的代表作文章 https://mp.weixin.qq.com/s/Msy9FCD68qjy868wN-8SIQ。
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 |
图1 语音合成论文总数
表二 语音合成论文分布情况
1月 | 2月 | 3月 | 4月 | 5月 | |
前端 | 2 | 0 | 3 | 0 | 0 |
声学模型 | 4 | 5 | 17 | 8 | 2 |
声码器 | 1 | 5 | 7 | 5 | 3 |
个性化 | 1 | 2 | 4 | 3 | 3 |
多语言 | 1 | 1 | 0 | 3 | 0 |
歌唱合成 | 5 | 3 | 5 | 2 | 2 |
情感风格 | 2 | 2 | 1 | 3 | 2 |
多模态 | 4 | 3 | 2 | 5 | 3 |
声音转换 | 4 | 2 | 11 | 3 | 2 |
s2s | 1 | 0 | 2 | 1 | 2 |
其它 | 2 | 0 | 4 | 12 | 3 |
图2 语音合成论文分布情况柱状图
语音合成的文章列表请访问http://yqli.tech/page/tts_paper.html
2022.05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,添加了两个方向speech translation和multimodal,其中speech translation的总结资料可参见https://st-tutorial.github.io/assets/slides/eacl2021_st_tutorial.pdf。图3是语音识别文章总数,其数量也下降一半。语音识别的研究方向具体情况参见表4和图4,很明显,无监督学习依然是最热门的方向,而且本月有篇无监督系统的总结,推荐大家阅读该篇文章https://arxiv.org/pdf/2205.10643.pdf。
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 |
speaker diarization | speaker diarization |
multichannel | 多通道 |
speech translation | 语音翻译 |
multi-modal | 多模态 |
图3 语音识别文章数量统计(单位:篇)
表4 语音识别研究方向分布情况
1月 | 2月 | 3月 | 4月 | 5月 | |
general | 12 | 10 | 13 | 9 | 6 |
ctc | 1 | 0 | 2 | 5 | 1 |
rnn-t | 3 | 1 | 2 | 3 | 0 |
aed | 1 | 1 | 1 | 1 | 0 |
dataset | 3 | 0 | 3 | 2 | 1 |
data augmentation | 1 | 1 | 1 | 2 | 2 |
lm | 2 | 2 | 4 | 3 | 0 |
multilingual | 2 | 1 | 2 | 1 | 2 |
personal | adaptation | 0 | 7 | 3 | 1 | 2 |
rescoring | 1 | 1 | 2 | 0 | 0 |
unsupervised | 2 | 3 | 17 | 19 | 7 |
accent | 1 | 0 | 0 | 2 | 2 |
multichannel | 0 | 4 | 1 | 1 | 0 |
robust | 0 | 0 | 5 | 2 | 2 |
other | 6 | 13 | 22 | 13 | 9 |
speaker diarization | 0 | 3 | 4 | 5 | 2 |
speech translation | - | - | - | - | 6 |
multimodal | - | - | - | - | 3 |
图4 语音识别研究方向柱状图
语音识别的文章列表请访问http://yqli.tech/page/asr_paper.html
2022.05月份语音识别具体文章