> 音声合成で難しいのは、通常の会話文に自然な抑揚をつけることである。
> これはほんとに難しい。たとえば数字の「3」を考えてみよう。
> これは、現在の東京弁では「さん」というふうに平板な発音で読まれる。
> 最初の「さ」を強調して「さん」にすると、 Sun Microsystems のことを指しているように
> 聞こえてしまう。
> ところが、これに「分」をつけて「3分」というときは、「さ」を強調して
> 「さんぷん」と言わねばならないのだ。「さんぷん」を平坦に発音しても、
> 「散粉? 産糞?」というふうにしか思われない。
> ところが、ところが! さらにここに「間」を追加して「3分間」というと、
> 平坦な「さんぷんかん」なのだ。「さんぷんかん」ではオカシイのである。
> ここからわかるように、同じ単語でも抑揚がぜんぜん決定できない。

3と3分と三分間は別の単語だろ(;´Д`)

参考：2007/12/01(土)08時14分39秒