G検定（ジェネラリスト検定） ディープラーニングの応用例 練習問題 第13問: 音声データの処理に関する説明として、最も適切なものはどれか。

正解: 1. A-D変換では、一定の時間の間隔で波形の振幅を測る標本化と、測った値を整数などで表す量子化を行う。

肢1が正解です。音声言語処理の教科書（Jurafsky・Martin『Speech and Language Processing』）は、アナログの信号をデジタルにするA-D変換を、ある時点ごとに振幅を測る標本化と、実数の値を整数で表す量子化の2段階として説明しています。量子化した値を2進法で表す符号化を分けて、標本化・量子化・符号化の手順とする説明もあります（文部科学省の「情報Ⅰ」教員研修用教材）。肢2は誤りで、フォルマントは声道によって特に強められる周波数の帯域で、声の高さに対応するのは声帯の振動の基本周波数です。肢3は誤りで、メル尺度は人の音の高さの知覚に合わせた尺度で、高い周波数の差を圧縮して表します。肢4は誤りで、MFCCは波形をFFTなどで周波数成分に分け、メル尺度のフィルタバンク・対数・ケプストラムを経て求める特徴量です。

関連キーワード: A-D変換・フォルマント・メル尺度・MFCC・FFT