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://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
2022年5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 ...
- 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://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年语音合成(TTS)和语音识别(ASR)年度总结
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 ...
最新文章
- Linux中Iptable防火墙规则的应用
- 究竟什么是POJO?(转载)
- 优秀学生是如何高效利用时间的?
- nopi 的使用记录
- ThinkPhp学习12
- 云安全趋势下脚踏实地力拼网络危胁
- 没有这项技术,《赛博朋克2077》就算残废?
- PLM中BOM核心技术的研究[转]
- python 爬取贝壳网小区名称_Python爬虫实战:爬取贝壳网二手房40000条数据
- 基于阿里云MaxCompute实现游戏数据运营
- 网易容器云平台的微服务化实践
- IntelliJ IDEA下载插件超时--解决方法
- java函数void返回值是,Java中main()函数的返回值是什么( )。A、StringB、intC、c......
- 付忠庆的练习小笔记-Codeforces #276 Div2 C
- pytorch: nn.Sequential(func1,func2,func3)
- java -- 对Map按键排序、按值排序
- java winform程序_重拾JAVA之WinForm实战之(四)
- c语言二维指针类型转换,二维数组和指针(C语言)
- 在AI里怎么把一行字拆成单个的字,并且可编辑
- 【UEFI基础】EDK编译生成的二进制的结构
热门文章
- Linux下gdb(插件pwndbg、pead、gef)安装及调试常用指令
- 基于arduino的ESP32 学习笔记(一) 基于ESP32的智能花盆
- 【系统篇 / 配置】❀ 06. 添加桌面图标 ❀ Windows Server 2016
- 秒懂云通信:如何使用阿里云号码认证服务(小白指南)
- 在chrome中f12控制自动刷新页面增加阅读量方法
- 切比雪夫插值多项式在非线性电路中的应用与比较
- android ADB 模拟手机点击事件
- Grafana可视化工具-之数字映射字符串
- 电子邮件客户端:Mail Pilot 3 for Mac
- library netcdf 路径_科学网—NetCDF安装记录 - 丁鹏基的博文