音声データベースに使用したAsetには，5,240単語の音声の音量や音質にばら つきがある．本研究では，音節間での音量差については考慮していなかったた め，音量の大きい波形と音量の小さい波形をつないだ結果，自然性が落ちるこ とがあった．例えば今回の実験において「解散」という普通名詞で，第2音節 に利用した「財政」と第3音節に利用した「計算」の音量差による自然性の低 下が見られた．
この問題に対しては，録音環境(日時，場所など)が分かる場合，それらが近い 音声を優先的に用いることで改善することができる．しかし，基本的には，音 量差を考慮した選択方法を導入する必要があると思われる．