機械学習のための音声信号処理（基礎編）/ Speech Signal Processing

2018年10月21日開催の「大江橋Pythonの会#3」の資料です.

Transcript

2.    NARA
3.   안녕하세요
4.    
5.    
7.   
8. f P t
15. Convolutional Recurrent Neural Network
16.    
17.   [音情報処理論 音声処理における信号処理１より引用]
20. 
21. 
22.  ×
23. 
24.  
25. ×
26.  [音声言語処理特論 第2回音声認識の基礎、DPマッチングの基礎より引用]
27.    
34.    
35. https://www.kaggle.com/c/tensorflow-speech-recognition-challenge
37. MFCC12 ΔMFCC12 ΔΔMFCC12
42. --- No. 6795 edc53350_nohash_0.wav (house ) --- * 1位 : house (0.999820) 2位 : cat (0.000060) 3位 : off (0.000032) 4位 : yes (0.000024) 5位 : down (0.000013) --- No. 6796 e95c70e2_nohash_0.wav (house ) --- * 1位 : house (0.999953) 2位 : off (0.000012) 3位 : cat (0.000005) 4位 : eight (0.000004) 5位 : happy (0.000004) --- No. 6797 258f4559_nohash_0.wav (house ) --- * 1位 : house (0.999980) 2位 : off (0.000007) 3位 : happy (0.000004) 4位 : cat (0.000004) 5位 : eight (0.000002) --- No. 6798 1657c9fa_nohash_0.wav (house ) --- * 1位 : house (0.999972) 2位 : off (0.000011) 3位 : yes (0.000003) 4位 : happy (0.000003) 5位 : cat (0.000003) ---------- Total Accuracy ---------- 1位 : 93.57 % ( 6361 / 6798 ) 2位 : 96.78 % ( 6579 / 6798 ) 3位 : 97.78 % ( 6647 / 6798 ) 4位 : 98.35 % ( 6686 / 6798 ) 5位 : 98.57 % ( 6701 / 6798 )
43.    
45. NARA
49. https://ai.googleblog.com/2017/08/launching-speech-commands-dataset.html