ICASSP 2022 语音合成和语音识别简报

作者：知源

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

ICASSP 2022有1906篇文章，ICASSP 2021有1757篇文章，文章数量较多，本文的统计不保证完全正确，读者可参考性阅读。

ICASSP 2022 文章链接

https://docs.google.com/spreadsheets/d/1YgWCNhQTWlmx7HGq3W74OuPGVN-ThTRC92TIiyoNd8U/edit?usp=sharing

ICASSP 2021 文章链接

https://docs.google.com/spreadsheets/d/1hUV7dUoI4HMkhrcsU8O4rPUscrXfy8AXHHQ9GP0CfjU/edit?usp=sharing

一语音合成篇

以下表一给出具体分类说明。图一为icassp 2021和2022文章总数，2021有63篇文章，2022有89篇文章。表二和图二为icassp 2021和2022语音合成每个研究方向的文章分布状况以及对比，由此可知声学模型、声音转换、情感合成系统、声码器和歌唱等占据绝对的优势。

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

图2 语音合成论文分布情况饼状图和柱状图

ICASSP 2022 文章链接

https://docs.google.com/spreadsheets/d/1YgWCNhQTWlmx7HGq3W74OuPGVN-ThTRC92TIiyoNd8U/edit?usp=sharing

二语音识别篇

语音识别的文章分类参照表三说明。ICASSP 2022的语音识别文章有146篇，具体的文章分布参见表4和图3的饼状图和柱状图。（去年没统计识别，所以不做对比）

表三语音识别分类说明

表4 语音识别研究方向分布情况

图3 语音识别研究方向饼状图和柱状图

ICASSP 2022 文章链接

https://docs.google.com/spreadsheets/d/1YgWCNhQTWlmx7HGq3W74OuPGVN-ThTRC92TIiyoNd8U/edit?usp=sharing