イラストで学ぶ音声認識 9章

9. 音声の認識：探索アルゴリズム 9.1 音響モデルと言語モデルのギャップを埋める 9.2 状態空間の探索 9.3 木構造化辞書で無駄を省く 9.4 ビームサーチで絞り込む 9.5 マルチパス探索で精度を上げる • 荒木雅弘 :『イラストで学ぶ音声認識』 （講談社, 2015年） • サポートページ

• https://masahiroaraki.github.io/GuideToASR/

9.1 音響モデルと言語モデルのギャップを埋める • 音響モデルと言語モデルのギャップ • 音響モデル：音素単位（トライフォン） • 言語モデル：単語単位（文法 or N-グラム） • 発音辞書 • 音素列Vと単語Wとの対応 • ある表記に対して複数の読みがある場合は、確率を P(V|W) と表現 • 事後確率の計算式の見直し

9.2 状態空間の探索 • 探索の必要性 • 大語彙連続音声認識において、すべてのWについて、 p(X|V)P(V|W) P(W) の値を求めるのは不可能 • 音声の先頭から、スコアの高い候補に絞って、接続可能な展開をおこ なう探索処理が必要 • 探索の効率化・高精度化の工夫 • 木構造化辞書 • ビームサーチ • マルチパス探索

9.2 状態空間の探索

9.3 木構造化辞書で無駄を省く • 候補の展開数の削減 • 単語単位で展開すると、候補は単語数個広がる • 単語間で先頭から共通する音素をまとめ、木構造にすると、展開数 は音素数個

9.4 ビームサーチで絞り込む • 探索の実時間化 • フレーム同期探索方式 • HMMのトレリス空間において、 １フレームごとにスコアを計算 • ビームサーチ • １フレーム単位で、 残す探索候補の数を 一定幅に制限

9.5 マルチパス探索で精度を上げる • 探索の目的 • 事後確率最大となる単語列（最適解）を求めたい • （単純な）ビームサーチの問題点 • 全体としては最適となる解が、途中のスコアの低さでビーム幅から外れ てしまう可能性がある • マルチパス探索によって最適化を求める • 未探索部分のスコアをヒューリスティックスにより見積もって、最適解 をビーム幅の中にとどめる • ヒューリスティックスは、探索に先立って高速な処理によって求める

9.5 マルチパス探索で精度を上げる