概述
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。
在正文之前,我先介绍一下开源数据整理网页,便于同行查询数据。感兴趣的读者请访问http://yqli.tech/page/data.html。
(我在三月份读的文章也少,编写解码器刚上线测试。我在整理3月份的文章,发现几篇较好的文章,将会在接下来时间进行分享)
一 语音合成篇
表一给出具体分类说明。2022年3月的语音合成相关的文章有56篇,比1月份和2月份都差不多增长1倍,详情参见图1。表二和图2是语音合成的具体方向的文章情况,由此可知,声学模型、声码器、声音转换和歌唱合成是主要热点。另外这期的前端工作有三篇文章,主要是tn和多音字消歧的工作。
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 | |
前端 | 2 | 0 | 3 |
声学模型 | 4 | 5 | 17 |
声码器 | 1 | 5 | 7 |
个性化 | 1 | 2 | 4 |
多语言 | 1 | 1 | 0 |
歌唱合成 | 5 | 3 | 5 |
情感风格 | 2 | 2 | 1 |
多模态 | 4 | 3 | 2 |
声音转换 | 4 | 2 | 11 |
s2s | 1 | 0 | 2 |
其它 | 2 | 0 | 4 |
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
2022.03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,跟语音合成一样,3月份的文章数量是2月份和1月份的1倍。语音识别的研究方向具体情况参见表4和图4。另外对于会议场景、访谈场景的工作研究有增加的趋势。
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 |
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 | |
general | 12 | 10 | 13 |
ctc | 1 | 0 | 2 |
rnn-t | 3 | 1 | 2 |
aed | 1 | 1 | 1 |
dataset | 3 | 0 | 3 |
data augmentation | 1 | 1 | 1 |
lm | 2 | 2 | 4 |
multilingual | 2 | 1 | 2 |
personal | 0 | 7 | 3 |
rescoring | 1 | 1 | 2 |
unsupervised | 2 | 3 | 17 |
accent | 1 | 0 | 0 |
multichannel | 0 | 4 | 1 |
robust | 0 | 0 | 5 |
other | 6 | 13 | 22 |
speaker diarization | 0 | 3 | 4 |
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
2022.03月份语音识别具体文章
最后
以上就是鲜艳砖头为你收集整理的2022年3月语音合成(TTS)和语音识别(ASR)论文月报的全部内容,希望文章能够帮你解决2022年3月语音合成(TTS)和语音识别(ASR)论文月报所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错,欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复