深層学習による音声認識と音声合成のモデル

CTCは音声フレーム数と出力文字数のアライメント（対応関係）が未知でも、同一文字の連続や空白記号の縮約によりエンドツーエンドで学習を可能にする画期的な損失関数・デコード技術です。 ア：正解です。音声認識の長年の難問であった時系列アライメントを解決しました。 イ：誤りです。Whisper（OpenAI）は大規模な多言語弱教師あり音声データで訓練されたTransformerエンコーダ・デコーダモデルです。 ウ：誤りです。ニューラル音声合成（Tacotron, VITS等）はテキストから自然な音声波形をゼロから合成生成します。 エ：誤りです。WaveNetはCausal Dilated Convolution（因果的膨張畳み込み）により過去の音声から次サンプルを自己回帰生成します。

音声認識（ASR）および音声合成（TTS）の深層学習モデルに関する記述として、最も適切なものを1つ選択してください。

出典G検定オリジナル模擬試験
ア
CTC（Connectionist Temporal Classification）は、音声特徴量とテキストの系列長の違い（アライメントのズレ）を空白（ブランク）トークンを導入して動的解決する音声認識手法である。
イ
Whisperは音声を1文字ずつキーボード入力のタイピング音から逆算して認識する物理シミュレーションモデルである。
ウ
音声合成（TTS）モデルはテキストから音声を生成することはできず、必ず録音された人間の肉声の再生速度を変更するだけで動作する。
エ
WaveNetは因果的畳み込み（Causal Conv）を使用しないため、未来の音声を先読みしなければ発声できない。