音韻の理解
問題
音韻(プロソディ)について、誤っている記述を1つ選べ。
解説
音韻(プロソディ:韻律)とは、音声言語において「何を言っているか(文字情報)」以外の、話すスピード、声の高さ(ピッチ)、抑揚(イントネーション)、リズムやアクセントといった音の物理的・音楽的な特徴のことです。
同じ「はし」という言葉でも「橋」と「箸」で意味が変わったり、語尾を上げることで疑問文になったりするように、人間の意味理解や感情の伝達に大きく影響します。高度な音声認識や自然な音声合成AIの開発において不可欠な要素です。
1. 音韻は発話のリズムやまとまりを表す概念である。
正しい:音韻(プロソディ)は、発話のリズム、テンポ、抑揚、アクセントといった「音の調子」や「まとまり」を表す概念です。
2. 音韻は意味理解に影響することがある。
正しい:同じ単語や文章でも、イントネーション(平叙文か疑問文か)やアクセントによって意味や話者の意図・感情が変わるため、意味理解に大きく影響します。
3. 音韻は音声認識や音声合成で重要な要素となる。
正しい:音声認識で正確な意図を汲み取ったり、音声合成(TTS)で機械っぽくない自然な発話を生成したりするために、プロソディのモデリングは極めて重要です。
4. 音韻は音声の周波数成分を表す物理的特徴である。
誤り:音声の周波数成分そのものを表す物理的特徴は「スペクトル(音色)」と呼ばれます。音韻(プロソディ)は、それに伴う高さの変化やリズムといった時間的な変動パターンを含めた概念です。
(※「音韻」は一般に言語学上の抽象的な音素を指すこともありますが、G検定の音声処理領域では「韻律(プロソディ)」の文脈で問われることが多い点に注意が必要です)
📚 より詳細を学びたい方へ
同じカテゴリの問題
- tanh関数の理解
- 勾配消失問題と活性化関数の関係
- エポック(Epoch)とイテレーションの理解
- 鞍点(Saddle Point)の理解
- ストライド(stride)の理解
- BPTTの理解
- 位置エンコーディングの理解
- MixupおよびCutMixの理解
- 物体識別と物体検出の違い
- セマンティックセグメンテーションの特徴
- インスタンスセグメンテーションの理解
- パノプティックセグメンテーションの特徴
- 姿勢推定(Pose Estimation)の理解
- AlexNetの特徴
- GoogLeNet(Inception)の理解
- VGGの構造的特徴
- ResNetの残差学習の理解
- Wide ResNetの特徴
- DenseNetの密結合構造
- EfficientNetとMobileNetの理解
- NAS(ニューラルアーキテクチャ探索)の特徴
- MnasNetの探索戦略
- NASNetのセル構造
- SENet(Squeeze-and-Excitation Network)の理解
- Vision Transformer(ViT)の特徴
- Fast R-CNNの処理構造
- Faster R-CNNのRPN
- Mask R-CNNの追加機能
- SSD(Single Shot MultiBox Detector)の特徴
- YOLO(You Only Look Once)の特徴
- FPN(Feature Pyramid Network)の理解
- FCN(Fully Convolutional Network)の特徴
- OpenPoseとPart Affinity Fields
- BERTの事前学習タスク
- Bag-of-Words(BoW)の特徴
- word2vecの理解
- fastTextのサブワード学習
- CBOW(Continuous Bag-of-Words)の特徴
- skip-gramの特徴
- CEC(Constant Error Carousel)の役割
- ELMoの文脈化表現
- GPTモデルの学習方式
- PaLMの理解
- Seq2Seqモデルの構造
- TF-IDFの重要度計算
- 形態素解析の役割
- 構文解析の目的
- 感情分析の特徴
- 文書要約の種類
- A-D変換(アナログ-デジタル変換)のプロセス
- WaveNetの特徴
- 音韻の理解
- 音声認識の基本
- 音素の理解
- 隠れマルコフモデル(HMM)の特徴
- 高速フーリエ変換(FFT)の理解
- スペクトル包絡の特徴
- PCM(パルス符号変調)の理解
- MFCC(メル周波数ケプストラム係数)の特徴
- CTC(Connectionist Temporal Classification)の理解
- A3C(Asynchronous Advantage Actor-Critic)の特徴
- Agent57の特徴
- APE-Xの理解
- DQN(Deep Q-Network)の理解
- Double DQNの理解
- Dueling Networkの特徴
- PPO(Proximal Policy Optimization)の理解
- OpenAI Fiveの特徴
- AlphaStarの理解
- sim2realの課題
- ドメインランダマイゼーションの理解
- ノイジーネットワークの特徴
- 報酬成形(Reward Shaping)の理解
- GAN(敵対的生成ネットワーク)の理解
- DCGANの特徴
- Diffusion Modelの理解
- NeRF(Neural Radiance Fields)の特徴
- Pix2Pixの理解
- CycleGANの特徴
- StyleGANの理解
- データ生成タスクの応用
- 転移学習の基本概念
- ファインチューニングの特徴
- Few-shot / One-shot 学習の理解
- 自己教師あり学習の役割
- 破壊的忘却(Catastrophic Forgetting)
- 半教師あり学習の特徴
- マルチモーダルAIの基本理解
- CLIPの特徴理解
- DALL-Eの役割
- Visual Question Answeringの理解
- zero-shot推論の理解
- マルチタスク学習の特徴
- CAMの特徴に関する問題
- Grad-CAMの理解
- LIMEの特徴
- SHAPの特徴理解
- 知識蒸留の理解
- プルーニングの理解
- 量子化の理解
- 説明可能AI(XAI)の理解


