従来の音声認識では、音素ごとに隠れマルコフモデル（HMM）を用意し、音声から取り出した特徴量の系列をモデル化していた。このHMMに関する説明として、最も適切なものを1つ選べ。
1つ選んでください
正解と解説を見る
解説
正解A
ポイント
HMMでは、状態の系列は観測できず、各状態から出力される特徴量だけが観測できると考えます。「隠れ」はこのことを指します。
選択肢ごとの解説
- A
適切 ◯ 正解
HMMでは、状態が確率的に移り変わり、各状態から確率的に特徴量が出力されると考えます。観測できるのは特徴量だけで、状態の系列は隠れています。最も確からしい状態の系列は、ビタビアルゴリズムで推定します。
- B
不適切
HMMはマルコフ性を仮定し、次の状態に移る確率は現在の状態だけで決まるとします。履歴全体を考えないことで、長い系列でも効率よく計算できます。
- C
不適切
「隠れ」は、状態が外から観測できないことを指します。HMMは確率モデルで、ニューラルネットワークではありません。なお、出力確率の計算にディープニューラルネットワークを使うDNN-HMMという組み合わせはあります。
- D
不適切
音素のHMMでは、同じ状態にとどまる遷移（自己遷移）を設けます。長く伸ばした音は同じ状態に長くとどまるとみなせるため、話す速さや音の長さが変わっても、同じモデルで扱えます。
試験での狙われ方
HMMは、「隠れ」が何を指すかや、CTCなどを使うEnd-to-Endの手法との違いと合わせて問われやすい論点です。
関連用語
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目28 音声処理） 2026年10月31日閲覧
- Rabiner, A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition, Proceedings of the IEEE 77(2), 257–286 (1989) 2026年10月31日閲覧