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．学習データ，評価データとも に音素数は約15,500で母音数は約8,000である．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[6]を使用する．音響モデルには ラベリングの精度を高くするためにFull-covariance HMMを使用して実験を行う． その他の実験条件を表3に示す．
| 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．