【G検定】パルス符号変調(PCM)とは？標本化・量子化・符号化の3ステップを解説
2026年5月25日
マイクで拾った「音の波」を、コンピュータが扱える「0と1の列」に変える最も基本的な方法が、パルス符号変調(PCM)です。音声認識も音声合成も、すべてはこの変換から始まります。
【G検定】スペクトル包絡とは？声道の共鳴特性とケプストラム分析をわかりやすく解説
2026年5月25日
同じ「あ」を同じ高さで発音しても、誰の声かはすぐ分かります。この「声の音色」の正体が、スペクトルのなだらかな輪郭——スペクトル包絡です。音素の識別にも話者の特徴づけにも関わる、音声の特徴量を理解するうえで要となる概念を解説します。
【G検定】高速フーリエ変換(FFT)とは？音声を周波数成分に分解する仕組みを解説
2026年5月25日
音は空気の振動、つまり時間とともに変化する波です。この波に「どの高さの音がどれだけ含まれているか」を教えてくれるのがフーリエ変換で、それを現実的な計算時間で実行できるようにしたアルゴリズムが高速フーリエ変換(FFT)です。音声認識の特徴量抽出はここから始まります。
【G検定】隠れマルコフモデル(HMM)とは？音声認識を支えた確率モデルをわかりやすく解説
2026年5月25日
ディープラーニング以前の音声認識を数十年にわたって支えた主役が、隠れマルコフモデル(HMM)です。「見えない状態」を「見える観測データ」から確率的に推定するこのモデルは、話す速さも人によって違う音声という厄介な時系列データを見事に扱いました。歴史的な位置づけまで含めて理解しておきたい重要キーワードです。
【G検定】音素とは？意味を区別する最小の音の単位と音声認識での役割を解説
2026年5月25日
「きん(金)」と「ぎん(銀)」——たった1つの音の違いで意味がまるで変わります。この「意味を区別する最小の音の単位」が音素です。音声認識システムは音声をいったん音素に分解してから単語を組み立てるため、音素は音声処理の土台となる概念です。対になる用語「音韻」との違いも含めて整理しましょう。