目次

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

著者プロフィール

• 高島 遼一（著者）

  高島遼一（たかしま・りょういち）
  2013年神戸大学大学院システム情報学研究科博士後期課程修了（博士（工学））。2011年4月～2013年3月日本学術振興会特別研究員（DC2）。2013年4月に（株）日立製作所研究開発グループに入社し、装置の異常検知や音声認識のための雑音除去など、音声・音響信号処理に関する研究開発に従事。2016年10月～2018年9月に国立研究開発法人情報通信研究機構へ出向し、音声認識に関する研究開発に従事。2019年4月より神戸大学都市安全研究センター兼同大学院システム情報学研究科准教授に着任。現在、音声認識を始めとした音声処理・機械学習技術とその福祉分野への応用に関する研究に従事。