実況動画や音楽ライブ等の動画コンテンツに対して、ユーザによる声援、合いの手、ツッコミなどのボイスコメントを重ねて再生する合成再生システムの開発を行った。当初試作したシステムでは、音域の重なりや雑音等によって聞き取りが困難になったため、その改善を行った。本稿では、本システムの評価及びさらなる改善を試みたものである。