音声認識・話者認識技術と産業応用の最新動向

最近、音声認識や話者認識、音声検索、音声翻訳、音声対話など様々な技術が実用化され、大きく注目されています。さらに、残響・雑音による環境変動に対して様々な技術が研究され、実環境における音声認識・話者認識の性能が高くなってきました。 　これに伴い、様々な方法による実環境における音声認識・話者認識のシステムが開発・実用化されていますが、異なる応用の最適なコストパフォーマンスを設計するためには実環境における頑健な音声認識・話者認識の技術と応用について広く知っておくことが重要です。 　本セミナーでは実環境における各種のロバストな音声認識・話者認識技術の基本原理や利点・欠点を解説します。さらに、それらの産業応用の最新動向を紹介します。

1. 音声認識と話者認識の基礎
   1. イントロダクション
   2. 音響分析
   3. 音声認識の基礎
      • 隠れマルコフモデル
      • 混合ガウスモデル
   4. 話者認識の基礎
2. 実環境音声情報処理の問題点と対策
   1. 概要
      1. 問題点
      2. 対策法の分類
   2. 「悪環境に頑健な」フロントエンド処理
      1. 音響信号処理 (雑音・残響除去)
      2. 悪環境に頑健な特徴抽出
      3. 特徴変換
   3. 「悪環境に頑健な」バックエンド処理
      1. 悪環境に頑健な音響モデル
         • ディープニューラルネットワーク
         • 確率的線形判別分析
      2. モデル適応
3. 産業応用の最新動向
   1. 音声情報処理の応用
   2. 音声認識応用の最新動向
   3. 話者認識応用の最新動向
4. まとめ