5人とも評価の一致した音声において，音響クラスタリング音声の方が良いと評 価された音声が8件あった．これら8件の音声は，従来手法と比べて音声品質が劣 化した8件と考えられる．そこでまず，8件の音声の音響クラスタリング音声およ び言語クラスタリング音声を再度聞くことで，どの箇所に違和感があるかを調査 した．調査結果を表20に示す．
| 発話内容 | 違和感を感じる箇所 | 違和感を感じる箇所 |
| （音響クラスタリング音声） | （言語クラスタリング音声） | |
| 口笛(ku/chi/bu/e) | e | e |
| 土下座(do/ge/za) | - | ge |
| 固唾(ka/ta/zu) | - | zu |
| 老舗(shi/ni/se) | - | ni/se |
| 仕事場(shi/go/to/ba) | - | to |
| 日本史(ni/ho/N/shi) | shi | N |
| 面子(me/N/tsu) | - | tsu |
| 山彦(ya/ma/bi/ko) | bi | - |
表20において，``山彦''以外の7つの音声に関しては，音響クラスタリ ング音声の方が良い音声であると感じた．言語クラスタリング音声において，違 和感を感じた箇所の主な原因を以下に示す．
特定の音節の音声品質が劣化した例として，``口笛''の場合，``e''の音節の音 声品質が劣化していた．この問題は，4.1節の手順4に おいて，クラスタから音節素片を選択する際に，現在選択している音節素片以外 の音節素片を選択することで解決できる可能性がある．
接続部の違和感の例として，``老舗''の場合，``ni''と``se''の接続部に違和感 があった．この問題は，各音節素片の接続部を滑らかにつなぐことで解決できる．
継続時間の例として，``仕事場''の場合，``to''の音節の継続時間が非常に長く， ``to''を伸ばしているように聞こえた．この問題は， 4.1節の手順5において，継続時間の最も長い音節素片 を選択するのではなく，継続時間の平均長の音節素片を選択することで解決でき る．
ATR単語発話ラベルの問題の例として，``面子''の場合，``免疫''の``meN''と ``秘密''の``tsu''を接続することで合成している．しかし``秘密''の``tsu''の 前音素環境が``i''であり，また``秘密''のATR単語発話ラベルが誤っているため， 本来``tsu''と聞こえるはずの箇所が``itsu''と聞こえてしまう．よって合成し た音声も``meNtsu''ではなく``meNitsu''と聞こえる．この問題は，ATR単語発話 ラベルを修正することで解決できるが，現時点において修正は考えていない．