随着人工智能时代的到来,人机交互逐渐从接触式交流向语音互动转变。部分语音产品已经实现了与人类进行简单语言沟通的功能。且交流的语言从英语、汉语等主流语言向维吾尔语、粤语等小众语言发展。在少数民族语言中苗语占比较大,目前,国内外学者在苗语语音收集、对比和声韵母分析等方面有了一定的研究,但在苗语语音的核心方法（语音识别、语音合成）研究上成果较少。因此,本文以贵州省中部苗语作为研究对象,分别在音素级语音语料库构建、自动音素边界标注和音素识别等方面展开研究。主要完成工作如下:（1）基于录制的苗语语音基础数据,本文构建了能够用于声学研究的苗语语音数据集。参照汉语词汇表,录制了2000个苗语生活常用语语音数据,并对语音进行了音素、音调和词义的标注。实现了语音数据的音素准确切分和相同音素的有效归类,生成标准音素数据集。（2）基于相同音素语谱能量的结构相似性,不同音素语谱能量变化大的特性,本文设计了一种自动音素边界检测方法。通过对语音进行预处理、分帧及FFT变换,提取每一帧语音在0Hz~5000Hz范围的能量值进行分析。为了进一步解决噪声对语谱能量结构的影响,基于语谱能量值,本文给出了语谱能量二值化方法,并以均值的方式对不同频段同一帧的数据进行合并,实现了频谱数据的降维。采用欧式距离对每一维相邻数据进行对比,并按照语音规则确定候选边界。通过进一步对降维数据进行合并筛选,得到最终边界。该方法在本文所构建的苗语语音数据集进行测试,在40ms的容错范围内,可以达到90.9%的正确率。（3）通过自动边界检测方法对获得的音素进行识别。本文用HMM模型作为主要识别算法,在对音素语音数据进行预处理后,提取24维MFCC参数作为该算法的输入特征。选取300个标准切分音素数据对HMM模型进行训练,然后使用100个标准切分音素数据进行测试,准确率为76.3%。最后应用自动边界检测方法得到的音素在HMM模型上测试,当容错时间为40ms时,准确率为72.5%。