我是靠谱客的博主 鲜艳砖头,最近开发中收集的这篇文章主要介绍2022年3月语音合成(TTS)和语音识别(ASR)论文月报,觉得挺不错的,现在分享给大家,希望可以做个参考。

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203
声学模型4517
声码器157
个性化124
多语言110
歌唱合成535
情感风格221
多模态432
声音转换4211
s2s102
其它204

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 diarizationspeaker 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
general121013
ctc102
rnn-t312
aed111
dataset303
data augmentation111
lm224
multilingual212
personal073
rescoring112
unsupervised2317
accent100
multichannel041
robust005
other61322
speaker diarization034

                    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。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(48)

评论列表共有 0 条评论

立即
投稿
返回
顶部