東京工科大学 メディア学部 ブログ

 

コンピュータによる音声認識には、高度の信号処理、複雑なプログラムと膨大な記憶装置を必要とします。人間の音声認識性能はそれ以上ですので、脳の中ににはさらに高性能で規模の大きな情報処理システムがあると考えられます。

それでは、次の音声を聞いてください。

 

音声その１

　

何と言っていましたか？雑音っぽいですが、「おもしろい」ですよね？

さて、この音声のサウンドスペクトログラムを見てみましょう。

　　　　　　　　　　　　　　　図１　雑音っぽい「おもしろい」のサウンドスペクトログラム

 

サウンドスペクトログラムは、横軸が時間、縦軸が周波数を表し、赤いところが音の成分が強く、青いところが音の成分が弱いことを表しています。横軸の時間は０．８秒程度、縦軸の周波数は人の声を聴き分けるのに十分は５５００ヘルツ程度までが表されています。

何か縦方向に７つの段がありますね？

実は、この音声は７つの雑音から出来ているのです！周波数の間隔は８００ヘルツで、周波数の情報はなんと７つしかないのです。