?

論文統計每月更新一次，主要跟蹤語音合成和語音識別的發展狀況(很多文章都是在會議后才發出，但不影響統計。統計過程難免存在疏漏，因此統計結果僅供參考。所有文章語音合成領域統計列表請訪問http://yqli.tech/page/tts_paper.html，語音識別領域論文統計請訪問http://yqli.tech/page/asr_paper.html。如何查找語音資料請參考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。讀者有什么建議可以直接給我發消息，我將不斷修改該統計。如有轉載，請注明出處。歡迎關注微信公眾號：低調奮進。

---

(2022年第一個月就寫簡單些）

一 語音合成篇

表一給出具體分類說明。2022年1月的語音合成相關的文章有27篇。從表二的具體方向文章數量可知，聲學模型、歌唱和音樂合成、聲音轉化和多模態的文章較多，其中歌唱合成在一月份開源了一份高質量的中文歌唱數據集，大家可以申請下載https://wenet.org.cn/opencpop/download/?。具體的文章詳細鏈接可參看文檔https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing

表一? 語音合成分類說明

分類	說明
前端	多音字，韻律，g2p等等。
聲學模型	語言特征轉聲學特征，attention工作，多說話人以及雙重學習
聲碼器	波形生成
個性化	少數據，臟數據應用等自適應
多語言	多語言模型
歌唱合成	歌唱和音樂合成
情感	風格和情感
多模態	主要搜集talking head文章
聲音轉換	基于GAN方案和特征解耦方案
S2S	?speech-to-speech
其它	基于EEG合成，開源數據，MOS評測以及語音合成的應用?

表二 語音合成文章情況表（單位：篇）

	1月
前端	2
聲學模型	4
聲碼器	1
個性化	1
多語言	1
歌唱合成	5
情感風格	2
多模態	4
聲音轉換	4
s2s	1
其它	2

語音合成的文章列表請訪問http://yqli.tech/page/tts_paper.html

2022.01月份的文章

二?語音識別篇

語音識別的文章分類參照表三說明。表四為每個方向的具體文章數據量和本月的文章總量，其中1月份ASR相關的文章有35篇

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 表三? 語音識別分類說明

分類	說明
general	包括傳統、混合語音識別，以及對asr的優化
ctc	ctc優化
rnn-t	rnn-t的優化
aed	aed優化
dataset	開源數據庫
data aug	數據增廣
lm	語言模型研究
multilingual	多語音系統以及code-switch
personal	少數據量以及個性化ASR
rescoring	多種模型聯合打分
unsupervised	無監督或者自監督學習
accent?,dialect	口音和方言
other	其它方向研究，包括系統評價標準等等
robust	魯棒性
multichannel	多通道

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?表四? 語音識別文章數量統計（單位：篇）

	1月
general	12
ctc	1
rnn-t	3
aed	1
dataset	3
data augmentation	1
lm	2
multilingual	2
personal	0
rescoring	1
unsupervised	2
accent	1
multichannel	0
robust	0
other	6

語音識別的文章列表請訪問http://yqli.tech/page/asr_paper.html

2022.01月份語音識別具體文章

總結

以上是生活随笔為你收集整理的2022年1月语音合成(TTS)和语音识别(ASR)论文月报的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。