2022年1~10月语音合成（TTS)和语音识别(ASR)论文月报
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。
文章统计excel https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing
（AIGC这么火，打算跟一下其动态，后续整理资料分享，详情后续参见http://yqli.tech/page/aigc.html）
一 语音合成篇
表一给出具体分类说明。2022年10月的语音合成相关的文章有45篇，相比9月份增加不少（详情见图1），但少于去年篇数。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、声音转换和声码器较多一些，其中diffusion有三篇文章。
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
2022.10月份的文章
https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing
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104篇，相比9月份爆炸增长，是否前几个月都积攒到这个月。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、speech translation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，半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
2022.10月份语音识别具体文章
https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing
2022年1~10月语音合成（TTS)和语音识别(ASR)论文月报相关推荐
- 2022年1月语音合成(TTS)和语音识别(ASR)论文月报
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://y ...
- 2022年6月语音合成（TTS)和语音识别(ASR)论文月报
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://yql ...
- 2022年3月语音合成（TTS)和语音识别(ASR)论文月报
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://yql ...
- 2022年5月语音合成（TTS)和语音识别(ASR)论文月报
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://y ...
- 2022年4月语音合成（TTS)和语音识别(ASR)论文月报
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://yql ...
- 2022年1~8月语音合成（TTS)和语音识别(ASR)论文月报
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://yql ...
- 2022年2月语音合成（TTS)和语音识别(ASR)论文月报
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://yql ...
- 2022年1~7月语音合成（TTS)和语音识别(ASR)论文月报
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.如何查找语音资料请参考文章https://mp.wei ...
- 2021年10月语音合成和语音识别论文月报
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://y ...
最新文章
- easyui ajax获取表单数据,easyui提交form表单接受数据处理、
- vs中列表分页符代码_电脑办公技巧Excel中Ctrl+K的使用技巧(十二)/Word2016中快速删除分页符与空白页的方法...
- linuxpython重定向_linux命令重定向、、 1、 2、 1、 2、
- 启动64位 IIS 32位应用程序的支持
- 在新建android工程的时候出现This template depends on the Android Support library!
- 产品管理职位的级别都有哪些
- VMware下Centos7快速搭建vsftpd
- Echarts文字大小自适应，案例详解
- yum php5.6源码,5.2 YUM升级PHP5.6
- X86汇编语言从实模式到保护模式11：指令格式及操作尺寸
- fastDFS 命令笔记
- 避免将 props 的值复制给 state！
- USACO / Mother's Milk (DFS)
- Extjs Ext.net中的常用属性
- 这款智能手机比 iPhone 早13年，你猜多少钱？
- vs code 小霸王插件本地nes游戏加载
- 激活码和注册码有什么不同？
- 基于SSM+VUE的交通事故案例库系统(前后端分离)
- jupyter notebook如何导入excel数据
- 阿里巴巴商家使用频率最多的数据接口分享