---
title: "音声認識における前処理まとめ（PCMから特徴量まで）【G検定対策】"
description: "音声認識における前処理まとめ（PCMから特徴量まで）について、G検定で問われる特徴量・教師なし学習分野の観点から、特徴の捉え方、データの分布、教師なし学習で何を判断するかを整理します。暗記だけでなく、似た概念との混同を避ける見分け方や、選択肢を切るためのポイントも確認します。"
last_modified_at: "2026-05-06"
canonical_url: "https://stemtazoo.github.io/gk/speech-preprocessing/"
section: "gk"
---

## まず結論
- 音声認識における前処理とは、**アナログ音声をデジタル化し、学習しやすい特徴量に変換する一連の処理**である。
- G検定では **「PCM」「フーリエ変換」「MFCC」などの順序と役割**が問われる。

## 直感的な説明
- 人の声をAIに理解させるには、
  1. 音をデジタルにする
  2. 音の性質を数値で表す
  3. モデルが扱いやすい形にする  
  必要がある。
- 生の波形をそのまま学習させるのではなく、  
  **意味のある特徴に変換する**のが前処理。

## 定義・仕組み
### 音声認識の前処理の全体像
1. **音声入力（アナログ）**
2. **PCM（アナログ → デジタル）**
   - 標本化
   - 量子化
   - 符号化
3. **信号処理**
   - フレーミング
   - 窓関数
   - フーリエ変換（FFT）
4. **特徴量抽出**
   - スペクトログラム
   - メルスペクトログラム
   - MFCC
5. **機械学習モデルへ入力**

👉 前処理は **学習前に必ず行われる工程**。

## いつ使う？（得意・不得意）
**得意**
- 音声認識（ASR）
- 音声分類
- 音声感情分析

**不得意**
- 文字データ（NLP）
- 画像データ

## G検定ひっかけポイント
- ❌「PCMは暗号化処理である」
- ❌「MFCCは生波形から直接計算する」
- ❌「フーリエ変換は機械学習モデルの中で行う」

👉 **PCMはデジタル化**  
👉 **FFTは周波数変換**  
👉 **MFCCは特徴量**

### 判断基準
- アナログ → デジタル → PCM
- 周波数成分 → FFT
- 人の聴覚に近づける → メル尺度・MFCC

## まとめ（試験直前用）
- 音声認識は前処理が重要
- PCM：標本化→量子化→符号化
- FFTで周波数解析
- MFCCは代表的特徴量
- 暗号化・学習処理と混同しない