国立大学法人 東京工業大学

講義の概要とねらい

本講義では，音声認識や音声合成を実現する上で中心的な役割を果たしている隠れマルコフモデル，N-gram，重み付き有限状態トランスデューサ，ニューラルネットワーク等の確率・統計モデルを扱う。さらに，それらが実際どのように音声認識や音声合成に用いられているのかを説明する。また音声認識や音声合成のヒューマンインタフェースへの応用や，音声信号の信号処理技術についても触れる。講義は演習を組み合わせながら行い，音声情報工学について全般的な基礎を提供する。
　音声コミュニケーションは我々が日常生活の中で日々行っていることである。しかし工学的に同等のことを行おうとすると，それが非常に高度な情報処理の仕組みを必要とするものであることが分かる。現在の音声情報処理技術は未だに到底ヒトの能力に及ぶものではないが，長い研究の積み重ねにより限られた条件ではヒトに近い性能を出すこともできるようになりつつある。講義を通してヒトの音声コミュニケーションが如何に高度なものであるかを実感するとともに，工学的な立場からその高度な仕組みにチャレンジする醍醐味を味わってほしい。

到達目標

　本講義を履修することによって次の能力を修得する。
１）統計モデルを用いて，音声をモデル化できる
２）統計モデルの学習アルゴリズムの導出や，統計モデルを用いた推論ができる
３）音声認識システムや音声合成システムが，どのように実現されているか説明できる
４）ヒトの発声・聴覚機構と，音声認識・音声合成システムの関係について説明できる
５）音声を用いたヒューマンインタフェースについて仕組みの説明ができる
６）音声の信号処理について，基本的な定式化ができる

キーワード

音声認識，音声合成，音声符号化，音声強調，ヒューマンインタフェース，発声・聴覚機構，隠れマルコフモデル，N-gramモデル，重み付き有限状態トランスデューサ，グラフィカルモデル，ベイズ推定，ニューラルネットワーク，適応

学生が身につける力(ディグリー・ポリシー)

授業の進め方

講義内容を復習するための演習課題を出し、回答レポートをOCWより提出してもらいます。授業スケジュールをもとに、予習をしてください。

授業計画・課題

授業時間外学修（予習・復習等）

学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。

教科書

毎回講義資料を配布する

参考書、講義資料等

C. Bishop, "Pattern Recognition and Machine Learning," Springer, ISBN-13: 978-0387310732
古井貞煕『新音響・音声工学』近代科学社，ISBN-13: 978-4764903302
X. Huang, A. Acero, H.-W. Hon, Spoken Language Processing, Prentice Hall, ISBN-13: 978-0130226167

成績評価の基準及び方法

音声認識，音声合成，音声信号処理およびそこで用いられている各種統計モデルについて，その理解度を評価
配点は，レポート（40%），期末試験(60%)
期末試験の実施が困難な際は試験に変えてレポート課題を課し，レポートの配点を100%とする。

関連する科目

• ICT.H410 ： 計算言語学
• ICT.H416 ： 脳の超並列モデルと数理的基礎
• ICT.H508 ： 言語工学

履修の条件(知識・技能・履修済科目等)

下記の講義に相当する知識を有すること。
LAS.M102 ： 線形代数学第一・演習
LAS.M101 ： 微分積分学第一・演習
ICT.S206 ： 信号とシステム解析