自動ラベリングの研究は，従来から多くの研究機関で行われている．HMM法と ベイズ確率を用いた統計的・確率的モデルによる方法[3]，ルー ルベースを用いる手法[4]，知識処理に基づく方法[5]な どが過去に報告されている．しかし，現段階の精度はまだ十分ではなく，さら に高い精度が要求されている．
現在の音声認識や音素ラベリングでは，特徴パラメータとしてフォルマント， つまりケプストラムの低次の項が利用される．しかし，ケプストラム分析をお こなった場合，ケプストラムの低次の項は，高次の項の影響を受けることが知 られている． 一方最近の特定話者の単語発話の研究において，単 語のモーラ位置および単語のモーラ数が決まればピッチ周波数がほぼ決まるこ とが知られている[6]. この関係を使用して，単語の音声合成におい て高い自然性を持った合成音声が得られることが確認されている．
本論文では、このピッチ周波数と単語のモ−ラ数および単語のモ−ラ位置の関
係を使うことで，フォルマントにおけるピッチの影響を分離できると考えた．
そして，この関係を使用して自動ラベリングを行えば，音素境界位置の精度は
向上すると期待できる．この予想を検証するため，本研究では，まず，母音・促
音・撥音を単語のモーラ数および単語のモーラ位置で分類して音素HMMの学習
を行う．次に，この音素HMMを使用して単語の音素ラベリングデータを作成す
る．最後に，求められた音素境界位置と，人手によって付与された音素境界位
置の差の標準偏差を調べる．この標準偏差を単語のモーラ数およびモーラ位置
を使用したときと使用しないときで調べ，本手法の有効性を確認する．