出版書誌データベース

「音声認識」とは、音声信号から発話内容を認識することで、AIスピーカなどに利用されている技術です。本書は、現在までの音声認識技術の発展経緯を学びながら、深層学習を用いた最新の音声認識システムを実装できるようになることを目的としています。まず手法の目的やアルゴリズムの概要を解説し、続いて数式レベルでの詳説、最後にソースコード付きで実装という流れで解説しています。特に手法の概要については「そもそもその手法は何を目的として生み出されたのか」という経緯と、「なぜその手法は前述の目的を達成できるのか」について直感的に理解できるよう工夫しています。本書は中級者以上に向けた、特定の技術分野のアルゴリズムの紹介と、それを実装したコードを解説する、より技術的・実践的な「機械学習実践シリーズ」です。

表紙 本書の前提 目次 序章 第1章　音声認識とは？ 第1節　音声認識とは？ どんなことに使える？ 第2節　音声を認識するとは？─音声認識のしくみ─ 第3節　本書の目的と構成 第2章　音声認識の基礎知識 第1節　音声認識と確率 第2節　音声認識の問題を数式で定義する 第3節　テキストの種類と発音辞書-音素・かな・文字・単語- 第4節　2種類の音声認識実験 第5節　音声認識実験の大まかな流れ 第3章　音声処理の基礎と特徴量抽出 第1節　データの準備 第2節　音声ファイルを読み込んでみよう 第3節　フーリエ変換を使って音声を周波数分解しよう 第4節　音声を短時間フーリエ変換してスペクトログラムを作成しよう 第5節　対数メルフィルタバンク特徴量 第6節　メル周波数ケプストラム特徴量 第7節　特徴量の平均と標準偏差を計算してみよう 第4章　音声認識の初歩-DPマッチング- 第1節　音声認識につきまとう、アライメント問題 第2節　DPマッチング 第3節　DPマッチングを実装してみよう 第5章　GMM-HMMによる音声認識 第1節　テンプレートから分布と尤度という考え方へ 第2節　正規分布と最尤推定法によるパラメータ推定 第3節　混合正規分布（GMM）とEMアルゴリズム 第4節　隠れマルコフモデル（HMM） 第5節　GMM-HMMを実装してみよう 第6章　DNN-HMMによる音声認識 第1節　分布からディープニューラルネットワークへ 第2節　ディープニューラルネットワーク 第3節　DNNとHMMを組み合わせたDNN-HMMハイブリッドシステム 第4節　DNN-HMMをPythonとPytorchで実装してみよう 第5節　HMMベース方式における大語彙連続音声認識 第7章　End-to-Endモデルによる連続音声認識 第1節　ハイブリッドシステムからフルニューラルネットワークモデルへ 第2節　リカレントニューラルネットワーク 第3節　Connectionist temporal classification(CTC) 第4節　CTCをPythonとPytorchで実装してみよう 第5節　Attention encoder-decoderモデル 第6節　AttentionモデルをPythonとPytorchで実装してみよう 第7節　その他のテクニックと音声認識モデル 第8節　参考文献 おわりに 索引 著者プロフィール 奥付