bhasevambit / python_asr

Pythonで学ぶ音声認識（機械学習実践シリーズ）のソースコード

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。

書籍情報

• 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

目次

• 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

ソースコード

• 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

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。