しかし，任意の一般名詞を作成しようとするには大量の録音単語が 必要である，音声データベースとしてATR単語発話データベースAset (5240単語)を使用した場合5240単語中の470単語しか作成できない．
そこで任意の音声を合成可能にするために，収録されているDBに対して 木に基づくクラスタリングを行い，音響パラメータが似た音節素片を グループ化する．グループ化された情報を利用して波形接続型音声合成 することで音声を合成し，作成した音声の音質の評価を行う．
聴覚実験ではオピニオン評価実験と対比較実験を行った．
その結果，木に基づくクラスタリング(以後クラスタリング合成)を用いた合成音声では 3.7，自然音声では4.9，オリジナルの波形接続型音声接続(以後オリジナル合成)で4.3 というオピニオンスコアが得られた．クラスタリング合成は自然音声には大きく 及ばなかったが品質の高い音声が作成できたことがわかる．
対比較実験結果では自然性とクラスタリング合成の結果は 91％が自然音声の方が良いと判定されたが9％が自然音声よりも 良い音だと判断されたことから高い品質の合成音声が作成可能 であることが分かった．