音響学・機械学習の基礎から積み上げ、Diffusion Transformerによる音声変換の実装まで至る。
基礎から最先端まで一気通貫に解説！

《目次》
［第1部　統計的機械学習に基づく音声言語情報処理］
第1章　音声言語情報処理
1.1　音声言語情報処理とは何か
1.2　人間の音声生成
1.3　人間の音知覚
1.4　音声言語データの特徴抽出

第2章　統計的機械学習
2.1　音声から何かを学習するということ
2.2　統計的機械学習の手引き
2.3　分類タスク
2.4　回帰タスク

第3章　深層ニューラルネットワークの基礎
3.1　単純パーセプトロンから多層パーセプトロンへ
3.2　多層パーセプトロンからDNNへ
3.3　深層生成モデル

第4章　実践して学ぶ音声言語情報処理
4.1　Google ColabolatoryでのPythonプログラミング
4.2　多話者音声コーパスのダウンロードと分析
4.3　PyTorchでの深層学習実装

［第2部　統計的音声変換の基礎と応用］
第5章　深層学習による音声変換の基礎
5.1　音声変換の定義と分類
5.2　作って学ぶ深層学習によるパラレル音声変換
5.3　作って学ぶ深層学習によるノンパラレル音声変換

第6章　音声変換を取り巻く技術と社会的側面
6.1　処理タイミングによる音声変換の分類
6.2　変換対象話者の指定方法による音声変換の分類
6.3　変換先話者の学習データ量による分類
6.4　社会への影響
6.5　法的な視点

第7章　正規化フローに基づく音声変換
7.1　FreeVCの概要と特徴
7.2　FreeVCのアーキテクチャ
7.3　事前エンコーダ
7.4　事後エンコーダと潜在変数zの推定
7.5　デコーダと波形出力
7.6　話者エンコーダ
7.7　音声変換モデル全体
7.8　識別器
7.9　スペクトログラムリサイズによるデータ拡張
7.10　訓練手順と損失関数
7.11　推論時の流れ

第8章　拡散モデルに基づく音声変換モデル
8.1　ゼロショット音声変換
8.2　SeedVCの特徴と強み
8.3　拡散トランスフォーマー
8.4　フローマッチング
8.5　SeedVCの学習と推論