自動ラベルと手動ラベルの差の例

「なっている(na-q/te-i/ru)」，「学校に(ga-q/ko-u/ni)」，「結婚した(ke-q/ko-N/shi/ta)」を作成するときに使用した音声と音節，および音節の自動ラベルと手動ラベルを表6，表7，表 8に示す．また，それぞれの音声の，自動ラベルおよび手動ラベルを用いた合成音声，自然音声の波形を図2～図10に示す．

**表 6:** 「なっている」に使用する音節の自動ラベルと手動ラベル
音声	用いた	自動	手動
	音節	ラベル(ms)	ラベル(ms)
なってから(na-q/te-i/ru)	na-q	100～480	100～493
もっている(mo-q/te-i/ru)	te-i	490～780	495～780
増えている(fu-e/te-i/ru)	ru	760～960	792～952

この例では，「増えている」の「ru」の音節開始時間の差において，最大32ms の差があるだけであり，ラベル全体の平均としては，自動ラベルと手動ラベルにあまり差がないことが分かる．

また，合成音声「なっている」のオピニオン評価は，手動ラベルでは4.4，自動ラベルでも4.4と，同等の数値であった．

**表 7:** 「学校に」に使用する音節の自動ラベルと手動ラベル
音声	用いた	自動	手動
	音節	ラベル(ms)	ラベル(ms)
学校を(ga-q/ko-u/o)	ga-q	100～500	100～507
実行に(ji-q/ko-u/ni)	ko-u	470～840	502～868
ほんとうに(ho-N/to-u/ni)	ni	840～1130	856～1122

この例では，「実行に」の「ko-u」の音節開始時間の差において，最大32ms の差があるだけであり，ラベル全体の平均としては，自動ラベルと手動ラベルにあまり差がないことが分かる．

また，合成音声「学校に」のオピニオン評価は，手動ラベルでは3.8，自動ラベルでは3.4であった．

**表 8:** 「結婚した」に使用する音節の自動ラベルと手動ラベル
音声	用いた	自動	手動
	音節	ラベル(ms)	ラベル(ms)
結婚する(ke-q/ko-N/su/ru)	ke-q	90～230	100～431
結婚して(ke-q/ko-N/shi/te)	ko-N	380～690	415～687
逆転した(gya/ku/te-N/shi/ta)	shi	730～920	731～989
結束した(ke-q/so/ku/shi/ta)	ta	910～1110	956～1111

この例では，「結婚する」の「ke-q」の音節終了時間の差において，最大201ms の差があり，自動ラベルと手動ラベルに大きな差があることが分かる．

また，合成音声「結婚した」のオピニオン評価は，手動ラベルでは3.8，自動ラベルでは1.4であった．

「なっている(na-q/te-i/ru)」の音声波形を以下に示す．自動ラベルを用いた合成音声を図2，手動ラベルを用いた合成音声を図 3，自然音声の波形を図4に示す．

**図 2:** 自動ラベル「なっている」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{1-1.ps}$

**図 3:** 手動ラベル「なっている」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{1-2.ps}$

**図 4:** 自然音声「なっている」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{1-3.ps}$

図2，図3，図4より，「なっているna-q/te-i/ru」における，自動ラベルおよび手動ラベルを用いた合成音声，自然音声の音声波形にはそれほど大きな違いはないことが分かる．

「学校に(ga-q/ko-u/ni)」の音声波形を以下に示す．自動ラベルを用いた合成音声を図5，手動ラベルを用いた合成音声を図 6，自然音声の波形を図7に示す．

**図 5:** 自動ラベル「学校に」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{2-1.ps}$

**図 6:** 手動ラベル「学校に」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{2-2.ps}$

**図 7:** 自然音声「学校に」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{2-3.ps}$

図5，図6，図7より，「学校に ga-q/ko-u/ni」における，自動ラベルおよび手動ラベルを用いた合成音声の音声波形にはそれほど大きな違いはないことが分かる．しかし，合成音声と自然音声を比較すると，合成音声の「ko-u」とni」の接続部において，若干ではあるが，音量の違いがあることが分かる．

「結婚した(ke-q/ko-N/shi/ta)」の音声波形を以下に示す．自動ラベルを用いた合成音声を図8，手動ラベルを用いた合成音声を図 9，自然音声の波形を図10に示す．

**図 8:** 自動ラベル「結婚した」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{3-1.ps}$

**図 9:** 手動ラベル「結婚した」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{3-2.ps}$

**図 10:** 自然音声「結婚した」
$\includegraphics[width=1.0\textwidth,keepaspectratio]{3-3.ps}$

図8，図9，図10より，「結婚した ke-q/ko-N/shi/ta」において，自動ラベルおよび手動ラベルを用いた合成音声とを比較すると，自動ラベルの「ke-q」の音節継続時間が手動ラベルに比べ，短いことが分かる．