从顶级会议Interspeech 2019看语音领域大家都在弄个啥嘞

Interspeech 2019 总共有2100多份提交，1800多份进入评审阶段，接收的不到1000份(？没看到官方统计结果，我

是从论文集里统计出来的)。投稿单位主要仍然是科研机，但是占比只有60%， 商业机构都占35%了。商业机构占比

多也很正常，因为这个会议就是他们赞助的。最大的赞助商是Amazon，国内最大的赞助商是滴滴，属于钻石赞助商

，掏了20000欧元，(今天才知道滴滴语音领域挺厉害，它不仅仅是个打车的app，也是孤陋寡闻了，关于这次会议

的新闻稿有些就是"滴滴语音"发的)。阿里也赞助了，属于黄金赞助商。

会议共五天，9月15到9月19号。16号开始一天一个keynote，16号讲语音合成，17号讲人机互动，18号讲语音产生

机理的，19号讲自然语言接口。从keynote也可以看出当前热点。

大会论文集已经放出，https://www.isca-speech.org/archive/Interspeech_2019。论文集分类分得很详细，大体可分为：语音识别、语音增强、语音合成、说话人识别和自然语言理解等。

语音识别仍然是大热门，还是语音领域里的一哥。语音识别需要克服噪声、远场带来的困难，当然这两个哪个都没有被搞定。如果它们被搞定了，而且你还是做语音的，你一定会在新闻上看到，不用去读文献。语音识别现在是Attention相关算法的天下了，几乎所有的ASR文章都涉及到了attention。

语音增强现在也是什么技术都往上使，自编码器、GAN、spatial filter等等，无监督学习貌似要成主流，另外语音增强还有个多通道语音增强专题。

语音合成主要还是研究高音质语音生成算法，自从wavenet出来以后，我就没太关注了，现在技术也越来越成熟了，不光能说话，还能唱歌了。

说话人识别本人不涉及，不表。

开会当然少不了大牛，深度学习三巨头之一Bengio灌了一篇，俞栋一篇，Rainer Martin两篇，汪德亮4篇。汪德亮现在作为大象声科的技术总监，还能不停在学术界耕耘，也是不容易。他的学生貌似有些直接在大象声科实习了。