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
一 语音合成篇
表一给出具体分类说明。2022年9月的语音合成相关的文章有31篇,相比8月份增加不少(详情见图1),同时也比去年的9月增加很多。表二和图2是语音合成的具体方向文章的情况。本月的文章在声学模型、歌唱、声音转换和多模态较多一些。(最近正在整理纯端到端的系统,有空写篇总结文章,语音合成学术和生产环境进入完全端到端的时代)
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 |
多语言和多说话人 | 多语言模型、多说话人模型 |
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
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
2022.09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。图3是语音识别文章总数,本月有32篇,相比8月份增加了一些。语音识别的研究方向具体情况参见表4和图4,其中无监督、多语言稍微多一些(热点在变,感觉很多文章不太好分类)。
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
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
2022.09月份语音识别具体文章