↑: [[G検定に関する知識]] - 音声データ（波形）をテキストに変換するAIタスク - [[話者識別]]（誰が話しているか）とは異なる（何を言っているか） - 音声合成（TTS：Text-to-Speech）の逆方向タスク - 音声の特徴抽出 - フーリエ変換 → 周波数成分に分解 - STFT（短時間フーリエ変換）→ スペクトログラム生成 - MFCC（メル周波数ケプストラム係数）→ 人間の聴覚特性に基づく特徴量 - 活用例：スマートスピーカー（Alexa, Siri）・自動文字起こし・音声入力 - 深層学習（[[Transformer]]ベースのWhisperなど）で精度が大幅向上