隠れマルコフモデル（HMM）とは
HMMとは、古典的な音声認識モデルとして広く用いられてきた確率的時系列モデルです。音声を構成する音素の系列を時間方向にモデル化し、どの音素がどのタイミングで現れるかを確率的に予測します。
この用語はG検定シラバスの「28. 音声処理」に含まれます。 章全体の用語は用語解説⑤（全133語）にまとまっています。
一言でいうと
音声の背後にある音素の並びを、確率的に推定する古典的なモデルです。
「隠れ」とは何か
観測できるのは音声データ（音響特徴量）だけです。その背後にある「今どの音素を発音しているか」という状態は直接見えません。
この見えない状態を観測データから推定するので「隠れ」マルコフモデルと呼ばれます。
注意したいのは、推定するのが「意図や文脈」ではなく音響的な最小単位の状態だという点です。ここは取り違えやすいポイントです。
マルコフ性
次の状態は現在の状態だけで決まると仮定します。これはマルコフ決定過程と同じ考え方です。
この仮定によって計算が現実的になり、深層学習以前の音声認識を長く支えました。現在はEnd-to-Endモデルに置き換わりつつあります。
今も残る意義
深層学習に置き換わりましたが、HMMは時系列を確率的にモデル化する基本的な考え方として今も学ぶ価値があります。
状態が見えないものを観測から推定するという構図は、音声以外の分野でも広く応用されています。
🎯 G検定での押さえどころ
- 音素の状態遷移を確率的にモデル化する
- 「隠れ」＝観測できない音素の状態を推定する
- 深層学習以前の音声認識の主流
⚠️ よくある誤りの選択肢
- 「HMMは話者の意図や文脈を確率的に推定する」→ 誤り。音響的な最小単位の状態を扱います
- 「HMMは現在の音声認識で最も高精度な手法である」→ 誤り。現在はEnd-to-Endが主流です
関連する用語
ご利用にあたって 本ページの内容は、JDLAが公開しているG検定シラバス2024や公式テキストなど、一般に公開されている情報をもとに独自に整理・解説したものです。実際の試験の出題内容を示すものではなく、また合格を保証するものでもありません。制度・法令・試験要項は変更されることがあるため、最新の情報は必ずJDLA公式サイトでご確認ください。