実験条件

データベースにはATRの単語発話データベースAsetの5,240単語を使用し，奇数 番を学習データに，偶数番を評価データとする． 使用する音声データは全て，人手によって音素境界位置が付与されている．

評価実験は，男性話者10名と女性話者10名で行う．ケプストラムの計算や音素 HMMの学習や自動ラベリングなどにはHTK[8]を使用する．

音響モデルにはFull-covariance HMMを使用して実験を行う (本論文では以後，Full-covariance HMMをFullと呼ぶ)． その他の実験条件を表2に示す．

表: 実験条件

標本周波数	16kHz	学習DB	2,620単語
分析窓	Hamming窓	音素数	約15,500
分析窓長	20ms	母音数	約8,000
フレーム周期	5ms	評価DB	2,620単語
音響モデル	4状態3ループ	音素数	約15,500
mixture	3	母音数	約8,000
特徴ベクトル	16次MFCC+対数パワー(計17次)

モーラ情報を使って母音・促音・撥音を分類すると，音素の種類は，26種類か ら約160種類に増加する．しかし，学習データが不十分であるために学習がで きない音素HMMがある．そのため，評価実験で使用される音素HMMは， Fullで約80種類となった． また，学習データが不十分で音素HMMが作成できない音素を含む評価データは， 評価から除外した．