どうもです。ゆゆ式2期を待ち続けるsoRaです。 このエントリでは先のエントリに引き続いて発音判定の難しさについて述べたいと思います。今回は、音声認識寄りの話になります。 音素 人の音声は言語学的には音素の単位で識別されます。 音素(おんそ、phoneme)とは、言語学・音韻論において、客観的には異なる音であるが、ある個別言語のなかで同じと見なされる音の集まり http://ja.wikipedia.org/wiki/%E9%9F%B3%E7%B4%A0 自動発音評価では、正解音声の発音と学習者による発音の、音素単位の比較を行います。そのためには、音声信号から音素列を取得できなくてはなりません。 まず、音声信号から(こちらのエントリで説明のあった)フォルマントに関する情報を抽出します。(実際にはメル周波数ケプストラム係数(MFCC)を取得しますが説明は割愛します。) 続いて抽出した情
![発音判定の難しさ(発音の機械的判定編) | 株式会社参謀本部](https://cdn-ak-scissors.b.st-hatena.com/image/square/8b47688eba28d4194125435c0d3b31c9f51dcfc9/height=288;version=1;width=512/http%3A%2F%2Fwww.honbu.co.jp%2Fwp-content%2Fplugins%2Fall-in-one-seo-pack%2Fimages%2Fdefault-user-image.png)