HMMの利点と問題点

HMMが音声認識において有理な点を以下に示す．

• 個人差や調音結合，発声法(強さ，速さ，明瞭さ)など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・確率課程論による論理的展開がしやすい．

• 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，両者を統 合しやすい．

• 認識時の計算量が比較的少ない．

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く，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訓練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に乏しく，時系列パターンの中の2時点にお けるパターンの相関が考慮できない．