・step indicator -> range indicatorとかの方がわかりやすいかも?
・you may use -> 別の柔らかい表現に
・these phoneme identifiers correspond to the note names you wrote in the lyricsとか何とか
・UI画面の説明には「ミリ秒」-> msecとかも付けてあげた方がよいかと
・Pre-UtteranceとOverlapの図と説明はすごくわかりやすくなりました。乙です
あとは voice bank は voicebank にしちゃった方が一般的な概念としての
voice bank と誤解されなくて無くてよいかと。