内容説明
※この商品は固定レイアウトで作成されており、タブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字列のハイライトや検索、辞書の参照、引用などの機能が使用できません。
「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。
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
感想・レビュー
※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。
kk
