音声認識 おすすめの言語

Question

いつもお世話になっております。

私はC#を使って元からある波形データとマイクに向かって喋った波形が類似していたら画像を出力するものを作成しております。
最終的には「言葉」「楽器の音」などをしっかり認識し画像を切り替えていくものを作ろうと思っております。

しかし、ネットで色々調べているのですが音声認識がとても難しくさらに私の理解力が乏しいこともあり
「なにいってるの？」状態で作業が全く進まない状態でございます。

そこで今回1から音声認識を学ぼうと決意し書籍を購入予定なのですが、
ふと今使っているC#で開発を進めていってもよいのだろうか・・・と思いました。

C#よりはもっと簡単にできる言語はあるのではないか。
C++だったらC＃で作るより早くできるかな。
など考えて日々悶々としております。

なので皆さまのお知恵をお借りしたいと思い質問させていただきました。

皆さまが音声認識のプログラミングを組むとしたらどの言語を使われますか？
簡単な理由などを添えていただくと大変嬉しゅうございます。

どうかご教授お願いいたします。

ちなみに今回私が購入しようと考えている書籍はこちらです。

Comments

[yohhoy]

実際に音声認識処理を行うコアエンジン部を開発したいという意味でしょうか？もしくは音声認識エンジンを部品として用いる応用アプリケーションを開発したいのでしょうか？

[syosinsyapurogu]

情報の追加・修正の修正依頼ありがとうございます。
私が開発したいのは音声認識処理を行うコアエンジン部になります。

Answer 1

私が開発したいのは音声認識処理を行うコアエンジン部になります。

音声認識をはじめとしたデジタル信号処理に向いているという観点では、処理速度・メモリ要求量の観点から依然としてC言語／C++言語が有利です。とはいえ、言語が持つメリットを生かすにはそれなりにスキルを要しますし開発難易度が高くなりがちですから、強く処理速度を突き詰めないならばC#も十分選択肢に入ると思います。

C#よりはもっと簡単にできる言語はあるのではないか。

研究的な段階だと MATLAB（やその互換アプリ） なども使われますし、デジタル信号処理という観点では汎用プログラミング言語C#よりも”簡単”です。

C++だったらC＃で作るより早くできるかな。

C++で記述すれば、高速動作する処理部を作れるポテンシャルはあります。ただし、単にC++で作ればよいというものではなく、音声信号処理や大規模データ処理、処理高速化や省メモリに関するスキルは必要です。（もちろんC#でも同じ知識が必要ですが）

Comments

[episteme]

リアルタイム/複数話者同時認識まで狙うならCUDA/OpenCLあたりのGPGPUが必要になってくるかもですねー

[syosinsyapurogu]

yohhoyさん
ご回答ありがとうございます。
やはり音声認識などの処理は”C言語／C++言語”が有利なんですねー・・・
正直言いますと5行目以降がちょっと理解できないので調べてきます！！
ありがとうございました！

[syosinsyapurogu]

epistemeさん
また難しい言葉が・・・(+o+)
調べてきます・・・

[episteme]

信号解析となればフーリエ変換やら畳み込みやらを多用するでしょう。
GPGPUは普段はお絵かきやってるGPUで計算させようってやつで、
大量のデータを処理するのが得意なんよ。

[syosinsyapurogu]

epistemeさん
GPGPUについて調べてもポカーン状態だったので
わかりやすいご説明ありがとうございます！

Answer 2

.NETでやろうと考えられているようですが、軽く調べてみたところ、あまりよろしくないようです。
起動が遅かったりクラッシュしたりする可能性があるといった記述がありました。(下記参照)
http://d.hatena.ne.jp/rti7743/20111215/1323965483

また、本題の言語についてですが、慣れ親しんだもので行うのが結局のところは一番早いのではないでしょうか？ほかの言語を薦められてやってみたものの、一から調べてやるには時間がかかるかと思います。

「なにいってるの？」状態で作業が全く進まない状態

自分もよくある経験でわかります。ざっくりとした解決方法ですが二種類あると思います。
①、一行ずつ訳して細かく調べ、その内容をまとめるパズルみたいな考え方
②、ざっくりと全体のやっていることを把握し、そこから掘り下げていくやり方
この二つになるのではないでしょうか。

参考になれば幸いです。

Comments

[syosinsyapurogu]

ajisanさん
ご回答ありがとうございます。
わざわざ私なんかのために調べて頂き誠にありがとうございます。
そちらのサイトもみたのですが盲点でした。見逃していました。

＞＞また、本題の言語についてですが、慣れ親しんだもので行うのが結局のところは一番早いのではないでしょうか？
そうですねーC＋＋、C言語は一度も触ったことがないので慣れ親しんでるC#のほうがやっぱりいいんですかねー・・・

私は②の全体的に見て掘り下げてやっていくタイプでしたのでパズルみたいな考えでもやてみたいと思います！

Answer 3

言語は二の次、まずはライブラリでしょう。

たとえばやりたいこと(ここでは音声認識)にフーリエ変換が必要だとする。
フーリエ変換自作してもいいけど、ライブラリがあるならそいつに任せりゃいい。
あなたの作りたいものはフーリエ変換じゃないんだから。

で、そのライブラリを使える言語を選ぶ。C/C++ならそれに従うのもいいし、
それだとUI作るのがしんどいならたとえばC#でUIこしらえ、C#からC/C++を呼ぶ方法を見つける。

Comments

[syosinsyapurogu]

epistemeさん
ご回答ありがとうございます。
まずはライブラリですか。私はずっとまず言語という考え方だったので
新たな考えが増えました。ありがとうございます。
ライブラリ、UIのついてもうちょと調べてみます。