●用語集

単語をベクトルとして入力する必要がある。各単語に異なる整数値を順に割り当ててID化し、このIDに相当するベクトルの次元の値だけが１で他がすべて０となるように変換されたベクトル。例えば、犬→1、猫→2、ウサギ→3のように数字に変換する方法が考...

Bag-of-Words：文や文書を、そこに出現する単語の集合として表現すること。単語がバラバラに保存されており、出現順序の情報は失われる。BoWは各単語を数え上げるという性質上、単語の順番を考慮できないという問題があることに加えて、各単語...

単位となるものを複数個並べたものという意味。単位が文字なら文字n-gram、音素なら音素n-gram。自然言語処理において文章として与えられた文字列にn文字の枠を設け、枠を1文字ずつずらしながら単語を生成する方法。読み方：エヌグラムn-gr...

音高の知覚的尺度である。メル尺度の差が同じであれば、人間が感じる音高の差が同じになることを意図している。メル尺度は、人間の聴覚、すなわち音の聞こえ方に基づいた尺度です。人間の聴覚には、周波数の低い音に対して敏感で、周波数の高い音に対して鈍感...

PixelCNN3をベースとした音声波形を生成するためのDNNのひとつ。パラメトリックTTSモデルを採用している。　既存のパラメトリックモデルは通常、ボコーダとして知られる信号処理アルゴリズムに出力を渡すことで音声信号を生成する。しかし、W...

Hidden Markov Model、HMM。音声に認識に用いられる言語モデル。隠れマルコフモデル（Hidden Markov Model, HMM）とは何か、を端的に表現すると「確率的な状態遷移と確率的な記号出力を備えたオートマトン」と...

音声データをテキストデータに変換する技術を指す。蓄積されたデータから得た分析結果は、サービスレベルの向上や商品開発、社内業務の効率化などに活用されている。

言語ごとに区分された音の最小単位。音素（おんそ、英: phoneme）とは、言語学・音韻論において、客観的には異なる音であるが、ある個別言語のなかで同じと見なされる音の集まり。

言語によらず人間が発生する区分可能な音。「音韻」とはある特定の言語の音の体系のことを言います。 たとえば、日本語の「あ」は「あ・い・う・え・お」という体系の一部です。 日本語母語話者同士なら、音声の質が違っても、「あ」ととらえることができる...

フォルマントのある周波数。フォルマント周波数は、周波数の低いものから順に第1フォルマント周波数（F1）、第2フォルマント周波数（F2）、…と呼ばれています。このうち、母音を区別するときに重要なのは、第1、第2の2つのフォルマント周波数である...