HMM法の利点と問題点

HMMが音声認識において有利な点を以下に示す．

• 個人差や調音結合， 発声法(強さ，速さ，明瞭さ)等による音声パターンの変 動を確率モデルで捉え， 統計的処理で対処できる．
• 従って， 統計理論や情報理論/確率仮定論による理論展開がしやすい．
• 比較的簡単なモデルのパラメータ推定法が知られている．
• 言語レベルの処理も音響処理部と同様に確率モデルで表現できるため， 両 者を統合しやすい．
• 認識時の計算量は比較的少ない．

HMMが音声認識における問題点を以下に示す．

• モデルの設計法が確立されていないため， 試行錯誤的/ノウハウ的要素が強 い．
• HMMのパラメータ推定に多量の学習用サンプルを必要とし， 計算量も多い．
• 音声の過渡的パターンの表現力に乏しい．
• 時系列パターンの２時点におけるパターンの壮観が考慮できない．