本リポジトリでは、インプレス社機械学習実践シリーズの「Pythonで学ぶ音声認識」のサンプルコードを管理しています。 なお、本ソースコードは、MITライセンスのもとで公開されています。
- Pythonで学ぶ音声認識（機械学習実践シリーズ）
- 価格: 3,500円+税
- 発売日: 2021年5月20日
- ページ数: 352
- サイズ: B5変形判
- 著者: 高島 遼一
- ISBN: 9784295011385
- 第1章 音声認識とは？
- 第2章 音声認識の基礎知識
- 第3章 音声処理の基礎と特徴量抽出
- 第4章 音声認識の初歩─DPマッチング─
- 第5章 GMM-HMMによる音声認識
- 第6章 DNN-HMMによる音声認識
- 第7章 End-to-Endモデルによる連続音声認識
- 00prepare
音声認識に用いる音声・テキストのダウンロードやデータの整形などの準備を行います（3章） - 01compute_features
基本的な音声処理や音声認識に用いる特徴量の抽出を行います（3章） - 02dp_matching
DPマッチングによる初歩的な音声認識実験を行います（4章） - 03gmm_hmm
GMM-HMMによる単語音声認識実験を行います（5章） - 04dnn_hmm
DNN-HMMによる単語音声認識実験を行います（6章） - 05ctc
CTCによる音声認識実験を行います（7章） - 06rnn_attention
Attention encoder-decoderモデルによる音声認識実験を行います（7章） - 07ctc_att_mtl
(付録)CTCとAttentionモデルのマルチタスク学習を行います（7章）
付録では、ページの都合上で本に載せきれなかった、 多変量正規分布のパラメータ（平均値ベクトルおよび分散共分散行列）、 GMM のパラメータ（混合重み、平均値ベクトル、分散共分散行列）、 そしてHMM の状態遷移確率を求める式を導出しています。