TokyoNLP #4 を開催しました - nokunoの日記第4回 自然言語処理勉強会＠東京 : ATND N-gram Language Model for Speech Recognition by @y_shindoh さん 音声認識の概要 音声データ（音声特徴量MFC,PLP)→音声認識エンジン（デコーダ）→音声認識結果 音響モデル＋言語モデル 音声特徴量（MFC）：LPCM→スペクトル→MFC フレーミング、ハミング窓、高域強調フィルタ、FFT 絶対値→聴覚フィルタ→対数化→DCT 階層モデル：単語→モーラ→音素 読みが複数ある場合は？→両方考える、確率を振ることもある音声認識のしくみ 高周波を落とした場合（電話など）は？ →専用の音響モデルを作ったり、ローカルで特徴抽出したり 音声認識の種類：独立単語型、記述文法型（CFG）、ディクテーション型（N-gram） 音声認識では通常3-gramが用いられる。 単語N-gramの高精度化と0頻
