音声情報処理
| 開設大学 | 愛知工科大学 |
|---|---|
| 科目コード | 241203 |
| 担当教員 | 實廣 貴敏（工学部教授） |
| 学年配当 | 3年 |
| 単位数 | 2単位 |
| 曜日 | 金曜 |
| 開講期間 | 後期 |
| 実施形式 | 対面 |
| 開講時間割１ | 1限 09:30 ～ 11:00 |
| 教室 | 7303室 |
| 履修条件 | 特になし |
| 募集定員 | 5 |
| 募集時期 | 9月 |
| 開講期間 | 9/16～1/17 |
| 講義概要 | 【授業の概要】 音声・音響に関する情報処理技術は古くから活用されているが、近年、深層学習やクラウドコンピューティングの進展につれ、ますます高度な技術が利用されるようになってきている。本講義では、音の基本的性質から、音響信号処理、音声分析、音声符号化、音声合成、音声認識、および音声対話などついて、基礎から最新技術について学ぶ。 【到達目標】 音波・音声の基本的性質の理解、および、音響信号処理、音声分析、音声符号化、音声合成、音声認識、音声対話などの基本的な知識や技術を習得する。 【講義計画】 1. ガイダンス／音波の基本的性質： 音波の性質について学ぶ。 2. 聴覚の基本的性質： 聴覚機構や聴覚特性について学ぶ。 3. 音場の音響信号処理： 音響情報処理として、代表的な音響エコーキャンセラ、マイクロホンアレイなどについて学ぶ。 4. 音響信号処理（実習）： 簡単な音響信号処理プログラミングを行う。 5. 音声の基本的性質： 発声器官の構造や音素の種類、音声の性質、発声器官を模擬した音声生成モデルについて学ぶ。 6. 音声分析法： フーリエ変換やケプストラム分析など、基礎的な音声分析手法について学ぶ。 7. 音声分析法（実習）： フーリエ変換およびケプストラム分析のプログラムを作成し、実際に自分の声を分析する。 8. 音声の線形予測分析： 代表的な音声分析法である線形予測分析について学ぶ。 9. 音声符号化： 基本的な音声符号化、および楽音符号化について学ぶ。 10. 音声合成： テキストから音声を生成する音声合成、また、その応用といえる歌声合成について学ぶ。音声合成でのDNN (Deep Neural Network)技術についても触れる。 11. 歌声合成（実習）： 歌声合成ソフトウェアを用いた実習を通じ、音声合成・歌声合成の応用について学ぶ。 12. 音声対話システム（実習）： オープンソース音声対話システムMMDAgentを使った実習により応用技術を学ぶ。 13. 音声認識1： 音声認識の原理、およびDTW (Dynamic Time Warping)による音声認識について学ぶ。グループ学習で演習を行い、DTWの演算方法を身につける。 14. 音声認識2： HMM (Hidden Markov Model)、 DNNによる音声認識について学ぶ。グループ学習で演習を行い、HMMの演算方法を身につける。 15. 音声認識3： 大語彙連続音声認識で利用されている技術（言語モデル、探索技術）について学ぶ。 |
| テキスト･参考文献 | テキスト 資料配布 参考文献 ・「新音響・音声工学」（近代科学社） ・「IT Text 音声認識システム 改訂2版」（オーム社） ・「音声認識（機械学習プロフェッショナルシリーズ）」（講談社） |
| 試験・評価方法 | 定期試験、予習・復習・演習・実習、発言で評価する。 |
| 別途必要な経費 | 特になし |
| その他特記事項 | ・実習には、Windowsがインストールされたノートパソコンが必要です。 ・単位認定には、授業回数の4/5以上の出席が必要です。 |
| 科目名（英語） | Speech Processing |
| 使用言語 |
