?

論文統(tǒng)計每月更新一次，主要跟蹤語音合成和語音識別的發(fā)展狀況(很多文章都是在會議后才發(fā)出，但不影響統(tǒng)計。統(tǒng)計過程難免存在疏漏，因此統(tǒng)計結(jié)果僅供參考。所有文章語音合成領(lǐng)域統(tǒng)計列表請訪問http://yqli.tech/page/tts_paper.html，語音識別領(lǐng)域論文統(tǒng)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(fā)消息，我將不斷修改該統(tǒng)計。如有轉(zhuǎn)載，請注明出處。歡迎關(guān)注微信公眾號：低調(diào)奮進。

---

（等兩天將會對語音合成論文進行年度總結(jié)~）

一 語音合成篇

首先，看一下語音合成每月的文章數(shù)量情況。語音合成在12月只有14篇文章，相比10和11月份下降很多。我本以為統(tǒng)計錯了，就重新搜索一次，本月的?合成文章的確很少。

接下來，看一下每個方向的具體情況。表一給出具體分類說明。由表二以及折線圖和柱狀圖可知，語音合成前端研究依然很少，當前在產(chǎn)業(yè)界對前端投入的也越來越少。合成領(lǐng)域在本月的聲學(xué)模型設(shè)計和優(yōu)化方向竟然為0，文章相對較多的方向包括音樂、vc和多模態(tài)都有三篇文章。

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(xué)模型	語言特征轉(zhuǎn)聲學(xué)特征，attention工作，多說話人以及雙重學(xué)習
聲碼器	波形生成
個性化	少數(shù)據(jù)，臟數(shù)據(jù)應(yīng)用等自適應(yīng)
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(tài)	talking head等等
聲音轉(zhuǎn)換	基于GAN方案和特征解耦方案
S2S	?speech-to-speech
其它	基于EEG合成，數(shù)據(jù)，MOS評測以及語音合成的應(yīng)用

表二 語音合成文章情況表（單位：篇）

接下來是相關(guān)的柱狀圖和折線圖

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

12月份的文章

二?語音識別篇

語音識別的文章分類統(tǒng)計依然在調(diào)整中，目前具體分類參照表三說明，本次添加robust和multichannel分類。表四為每個方向的具體文章數(shù)據(jù)量和本月的文章總量，其中12月份ASR相關(guān)的文章有34篇，跟11月份差不多。

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

分類	說明
general	包括傳統(tǒng)、混合語音識別，以及對asr的優(yōu)化
ctc	ctc優(yōu)化
rnn-t	rnn-t的優(yōu)化
aed	aed優(yōu)化
dataset	開源數(shù)據(jù)庫
data aug	數(shù)據(jù)增廣
lm	語言模型研究
multilingual	多語音系統(tǒng)以及code-switch
personal	少數(shù)據(jù)量以及個性化ASR
rescoring	多種模型聯(lián)合打分
unsupervised	無監(jiān)督或者自監(jiān)督學(xué)習
accent?,dialect	口音和方言
other	其它方向研究，包括系統(tǒng)評價標準等等
robust	魯棒性
multichannel	多通道

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?表四? 語音識別文章數(shù)量統(tǒng)計（單位：篇）

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

12月份語音識別具體文章

總結(jié)

以上是生活随笔為你收集整理的2021年1~12月语音合成和语音识别论文月报的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。