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）。读者有什么建议可以直接给我发消息，我将不断修改该统计。如有转载，请注明出处。欢迎关注微信公众号：低调奋进。
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
| icassp 2021 | icassp 2022 | |
| 前端 | 3 | 6 |
| 声学模型 | 18 | 18 |
| 声码器 | 6 | 6 |
| 个性化 | 3 | 4 |
| 多语言 | 2 | 4 |
| 歌唱合成 | 4 | 6 |
| 情感风格 | 6 | 11 |
| 多模态 | 2 | 3 |
| 声音转换 | 14 | 23 |
| 其它 | 5 | 8 |
| total | 63 | 89 |
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
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 diarization | speaker diarization |
multichannel | 多通道 |
| speech translation | 语音翻译 |
| multi-modal | 多模态 |
表4 语音识别研究方向分布情况
| general | 28 |
| ctc | 4 |
| rnn-t | 6 |
| aed | 4 |
| dataset | 3 |
| data augmentation | 3 |
| lm | 4 |
| multilingual | 6 |
| personal | adaptation | 9 |
| rescoring | 6 |
| unsupervised | 18 |
| accent | 1 |
| multichannel | 4 |
| robust | 4 |
| other | 29 |
| speaker diarization | 9 |
| speech translation | 2 |
| multimodal | 6 |
| total | 146 |
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
