日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

2022年1~10月语音合成(TTS)和语音识别(ASR)论文月报

發布時間:2024/1/8 编程问答 41 豆豆
生活随笔 收集整理的這篇文章主要介紹了 2022年1~10月语音合成(TTS)和语音识别(ASR)论文月报 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

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。開源語音數據查詢 http://yqli.tech/page/data.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。

文章統計excel?https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing


(AIGC這么火,打算跟一下其動態,后續整理資料分享,詳情后續參見http://yqli.tech/page/aigc.html)

一 語音合成篇

表一給出具體分類說明。2022年10月的語音合成相關的文章有45篇,相比9月份增加不少(詳情見圖1),但少于去年篇數。表二和圖2是語音合成的具體方向文章的情況。本月的文章在聲學模型、歌唱、聲音轉換和聲碼器較多一些,其中diffusion有三篇文章。?

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

多語言和多說話人

多語言模型、多說話人模型

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

圖1?語音合成論文總數

表二??語音合成論文分布情況

圖2?語音合成論文分布情況柱狀圖

語音合成的文章列表請訪問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?語音識別篇

語音識別的文章分類參照表三說明。圖3是語音識別文章總數,本月有104篇,相比9月份爆炸增長,是否前幾個月都積攢到這個月。語音識別的研究方向具體情況參見表4和圖4,其中無監督、多語言、speech translation稍微多一些(熱點在變,感覺很多文章不太好分類)。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 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

少數據量自適應以及個性化ASR

rescoring

多種模型聯合打分

unsupervised

無監督,半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
speaker diarizationspeaker diarization

multichannel

多通道
speech translation語音翻譯
multi-modal多模態

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?圖3 ?語音識別文章數量統計(單位:篇)

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 表4?語音識別研究方向分布情況

? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ?圖4 語音識別研究方向柱狀圖

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

2022.10月份語音識別具體文章

https://docs.google.com/spreadsheets/d/11YYOg6i6UXw19_g1JRaXGNhvt1zhG24RgOXCzZlqZGE/edit?usp=sharing

總結

以上是生活随笔為你收集整理的2022年1~10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。