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

文章统计excel :

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

aigc统计：
http://yqli.tech/page/aigc.html
语音合成篇
表一给出具体分类说明。2022年12月的语音合成相关的文章有34篇，相比11月份降很多，但比去年同期增加很多。表二和图2是语音合成的具体方向文章的情况。本月的文章热点主要分布在声学模型、多模态、 speech-to-speech以及声音转换。
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

多语言和多说话人

多语言模型、多说话人模型

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柱状图


语音合成的文章列表请访问:

http://yqli.tech/page/tts_paper.html


2022.12月份的文章

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


语音识别篇
语音识别的文章分类参照表三说明。图3是语音识别文章总数，本月有38篇，相比11月份减少很多。语音识别的研究方向具体情况参见表4和图4，其中无监督、speech translation以及多模态较多些。
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，半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 diarizationspeaker 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


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


2022.12月份语音识别具体文章

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