問題 No.3496
スマートフォンの音声アシスタントや議事録作成ツールなどで広く利用されている音声認識技術において、音響特徴量から直接文字の確率分布を予測するアプローチや、音響モデル・言語モデルを一体として最適化する手法として、近年のディープラーニングを活用したシステムで一般的に採用されているアーキテクチャはどれか。
【正解の解説】
コネクショニスト・テンポラル・分類(CTC)を用いたエンドツーエンドモデル
従来の音声認識が、パズルのピースを一つずつバラバラに合わせるように音響モデルと言語モデルを別々に調整していたのに対し、CTCは「音声を聞きながら同時に一筆書きで文字を書き上げる」ようなものです。入力と出力の長さが違っても、ニューラルネットワークが直接文字の並びを一気通貫で当ててくれるため、近年のスマートフォンの音声アシスタントなどで主流となっています。
スポンサーリンク
【その他の選択肢の解説】
隠れマルコフモデル(HMM)とガウス混合モデル(GMM)を組み合わせたハイブリッドモデル
HMMとGMMの組み合わせは、昔のカーナビや古い音声認識システムでよく使われていた伝統的なアプローチです。それぞれのモデルを個別に学習させて組み合わせる必要があるため、現代のエンドツーエンドモデルのように全体を一度に最適化できず、手作業の調整が多くなるという決定的な違いがあります。試験では「近年のディープラーニングを活用したシステム」というキーワードが出たらこれらは選ばないよう注意が必要です。
アテンション機構と自己符号化器(オートエンコーダー)を用いた教師なし事前学習モデル
自己符号化器は入力データを一度圧縮して復元することで特徴を学ぶ教師なし学習の手法であり、音声認識の最適化に直接使われる決定版アーキテクチャではありません。アテンション機構自体は近年の音声認識（Transformerなど）にも使われますが、選択肢C全体の組み合わせは音声認識の基本アプローチを問う本問の正解からは外れたトラップ選択肢です。
畳み込みニューラルネットワーク(CNN)によるスペクトログラム直接変換モデル
CNNは音声のスペクトログラム（画像のようなもの）から特徴を捉えるのに有効ですが、それ単体では音声認識における「可変長の時系列データから文字を出力する」ためのアライメント問題を解決できません。CTCなどの時系列を整える仕組みが組み合わさって初めて音声認識として機能するため、CNN単体を答えとする本選択肢は出題者の罠です。