本実験では，クラスタリング合成の最適なパラメータについて調査した．
木に基づくクラスタリングにおいて，特徴パラメータの違いを調査するために， 対比較実験を行った．同時にクラスタリングに適した言語的な情報の調査のために， 対比較実験を行った．また全体に関して，音声を合成する事で音質の劣化が懸念 される為，オピニオン評価実験を行った．
聴覚実験の結果，オピニオン評価実験では，クラスタリングを利用した合成音声 で3.6，波形接続型合音声合成で3.9，自然音声で4.5というオピニオンスコアが得 られた．クラスタリングを利用した合成音声は，自然音声には及ばないものの， 波形接続型音声合成とあまり差がなく品質の高い合成音声が作成できたことが分 かった．
対比較実験では，特徴パラメータにFBANKを用いた合成音声が47%， MFCCを用いた合成音声が53%となった．両パラメータにほとんど差はないが，若 干MFCCを用いた合成音声の方が良いという結果が得られたため，クラスタリング の特徴パラメータにはMFCCを用いた方が良いことが分かった．
またクラスタリングで条件緩和を行う言語的な情報を調査するために行った対比 較実験では，モーラ情報を用いた合成音声が81%，モーラ情報と前後音素環境を 用いた合成音声が19%となった．この結果よりクラスタリングで条件緩和を行う 言語的な情報にはモーラ情報を用いた方が良いことが分かった．
以上より本研究のクラスタリング合成の最適なパラメータは，特徴パラメータと してMFCC，緩和条件としてモーラ情報の緩和である事が分かった．
今後は，木に基づくクラスタリングの質問を改良するなどの検討 を行い，クラスタリングのより最適なパラメータについて調査していく予定である．