AIの声と人間の声は、どこで評価が分かれるのか

音声の制作でAIを使うかどうかは、いま多くの会社が迷っている論点です。「AIの声は人間の声より劣る」という理解も、よく耳にします。

2022年から2026年までの査読論文を調べたところ、この理解は支持されていません。評価を分けていたのは、用途、合成の品質、聴き手がその声を知っているか、そしてAIだと知らせるかどうかの4つです。AIかどうかという区分そのものは、結果を分けていません。

この記事では、8本の査読論文を並べます。日本語の実験がまだ出ていない点についても、あわせて書きます。

本人の声を複製すると、信頼が上がった

まず私たちは、最も強い設計の研究から見ていきます。

Schanke、Burtch、Ray の3氏が、2026年に統制実験の結果を発表しています。掲載は Management Science 第72巻1号386〜405頁で、論文の題は「Digital Lyrebirds」です。研究チームは、投資の判断を伴うゲームを使いました。参加者は米国のオンライン成人です。

実験の作りは、次のとおりです。研究チームは、音声で応答するチャットボットに、参加者本人の声を複製した声で話させています。あわせて、そうでない比較の条件も用意しました。声の複製を、専門の用語では voice cloning と呼びます。この技術は、話し手の音声データをもとに、その人の声の特徴を再現するものです。

結果は、多くの人の予想を超えるものになっています。本人の声を複製したエージェントは、比較の条件より有意に高い信頼を得ています。

研究チームは、この上昇の一部を「自分と似ている」という感覚で説明しています。音質が高いほど、この感覚は強まりました。

AIだと知らせても、信頼の上昇は弱まらなかった

同じ研究には、続きがあります。

研究チームは、「これはAIが作った声です」と参加者へ知らせる条件も用意しました。開示によって信頼が下がるかどうかを確かめるためです。

結果として、AIだと知らせても、クローンによる信頼の上昇は有意に弱まっていません。参加者は、AIが作った声だと分かったうえで、その声を信頼しています。

この結果の扱いには、注意が要ります。実験ゲームで測った「信頼」は、ニュースの本当らしさ、ブランドへの好意、長期の関係とは別のものです。また、自分の声を複製するという操作は非常に強いものであり、第三者や著名人の声を無断で複製する場面へそのまま当てはめられません。

人は、クローンを聞き分けられない

複製された声を、聴き手が見抜けるのかを測った研究もあります。

Barrington、Cooper、Farid の3氏が、2025年に結果を発表しています。掲載は Scientific Reports 第15巻11004番です。研究チームは、米国英語の話者の録音を ElevenLabs という道具で複製し、Prolific で集めた参加者に聴かせました。話者が同一人物かどうかを判断する課題に304人、人の声かAIの声かを判断する課題に300人、合わせて604人が参加しています。

結果は、次のとおりです。

判断の課題	正しく判断できた割合
クローンと元の話者を「同じ人物」と判断	約80%
AI音声をAIだと見抜く	約60%
人の声を人の声だと判断	約67%
同一人物の録音とクローンを同一とみなす	83.3%

耳だけで真正性を確かめようとすることの弱さが、この数値に現れています。

対象は英語であり、使われたのは特定の複製サービスです。オンラインでの聴取という条件もあります。最新のモデルや電話の回線、日本語へ、私たちはこの数値をそのまま持ち込めません。

知っている声と知らない声で、評価が逆転する

複製された声の評価が、聴き手の側の条件で変わるという報告もあります。

Rosi、ソープラマニエン、McGettigan の研究チームが、2025年に結果を発表しています。掲載は Computers in Human Behavior: Artificial Humans 第4巻100143番です。

研究チームは、友人どうしのペアの実際の声と、その複製を用意しました。参加者は英国の成人英語話者で、声を知っている47人と、知らない統制群47人の合わせて94人です。評定の項目は、信頼性、魅力、有能さ、支配性の4つです。

聴き手の条件	クローンの評価
その声を知っている	実際の声より低いか、同程度
その声を知らない	実際の声より高いという逆転が生じた

クローンが本人や友人に似ていると感じられるほど、参加者はすべての項目を高く評価しています。

この結果は、実務の判断を分けるものになります。社員や取引先がすでに知っている経営者の声を複製した場合、評価は下がる可能性があります。一方、初めてその番組を聴く人にとっては、複製された声のほうが高く評価される場合もあります。

ペアの標本が小さく、英国英語と特定のシステムに限られている点は、前提としてお読みください。

脳波では、人の声のほうが強く反応した

生理の指標で測った研究もあります。

Gong 氏が、2023年に結果を発表しています。掲載は Frontiers in Psychology 第14巻1243078番です。対象は中国語のニュースで、研究チームは脳波と事象関連電位を測りました。予備の実験は同一参加者10人、本実験は30人です。各クリップは30秒で、AIと人間はいずれも女性の声です。

測定した項目	結果
信頼できると感じた度合い	人の声のほうが高い（t(9)=-4.00, p=.003, d=-1.265）
聞きやすさ	人の声のほうが高い（t(9)=-3.873, p=.004, d=-1.225）
理解できたかどうか	有意な差なし

脳波のβ帯にも差が出ています（t(64)=2.04, p=.046, d=.502）。この差は、とくに感情を伴うニュースで大きくなっています。

理解できたかどうかに差が出ていない点が重要です。内容は同じだけ届いており、変わったのは信頼と聞きやすさの感覚のほうになります。

本実験が30人と小さく、AIと人の声の自然さ・韻律・収録条件が独立に統制されていません。中国語のニュース以外へ、私たちはこの結果を広げられません。

「不気味の谷」は、まだ検証されていない

合成音声の話題では、「不気味の谷」という言葉がよく使われます。この言葉が指すのは、人に似せていくと、ある水準で急に気味悪く感じられるという仮説です。この仮説を、ロボット工学の分野が提唱しています。

音声でこの現象が起こるのかを確かめようとした研究があります。

Ross、Corley、Lai の3氏が、2024年に結果を報告しています。掲載は Speech Prosody 2024 の1115〜1119頁です。研究チームは、同一の女性話者のデータから5段階の合成音声を作り、本人の声とあわせて同じ文章を提示しました。参加者は205人で、Prolific で集めた英語の使用者です。

人らしさと快さは正の相関を示しています（r(203)=.48, p<.001）。ところが、最も人らしい合成音声でも、人らしさの平均は100点中46.1にとどまっています。

つまり、この研究は「谷がない」ことを示したものにあたりません。谷を確かめられるほど人らしい音声が、そもそも用意できなかったという結果になります。

別の実験では、逆の方向の結果も出ています。ドー、マクマハン、ウィスニェフスキの3氏が2022年に CHI で発表した実験では、参加者79人を3条件（標準的な合成音声・ニューラル合成音声・人の声）に割り当てました。ニューラル合成音声の仮想人物は、人の声の条件より有意に低い信頼性を示しました。忠実度を上げたことが、評価を悪化させた例にあたります。

文学の朗読では、差がほとんど出ない

用途によって結果が変わることを示す研究もあります。

Ahrens-Schwabe、Kosch、Stocker、Boomgaarden の研究チームが、2026年に結果を発表しています。掲載は Computers in Human Behavior Reports 第22巻101068番で、オーストリアの研究計画によるものです。

研究チームは、自分をオーディオブックの聴取者だと認識している人に、文学作品の抜粋を聴かせました。用意された声は、AIのものとプロの声優によるものの2種類です。

結果として、AIと人の声で評価の差はごく小さいものにとどまっています。ナレーターが人間か人工かという期待も、評価の差を有意に調整していません。年齢と性別にも、系統だった働きが出ていません。技術への親しみだけが、弱い予測の要因になっています。

この条件では、AIによる朗読が聴取者の評価のうえで人の声の代わりになりうる、という結果になります。ただし公開されている概要には、標本数と平均差、標準化した効果量が載っていません。数値としての優劣を、私たちはこの研究から主張できません。

「AIが作った」と知らせると何が変わるか

ポッドキャストを直接扱った研究は、いまのところ1本だけです。

Hebbel-Seeger 氏が、2026年に結果を発表しています。掲載は Athens Journal of Mass Media and Communications です。

研究チームは、同じAI生成の教育ポッドキャストを2つの群に聴かせました。片方には「AIが作ったものです」と知らせ、もう片方には出どころを伝えていません。参加者は60人で、実施の場所はドイツです。聴かせた音声の長さは5分28秒になります。

結果として有意な差が出たのは、1項目だけです。AIだと知らされた群のほうが、「事実を自分で確かめる必要がある」と感じる度合いは低くなっています（U=262.0, z=-2.079, p=.038, r=.280）。

話し手の信頼性、専門性、内容の正確さについては、AIだと知らされた群のほうが高い方向に出たものの、有意な差は出ていません。

著者自身が、4つの検定のうち有意だったのが1件である点を挙げ、偶然の可能性と追試の必要を述べています。標本60人はAIに親しみのある高学歴の便宜的な集団であり、教育用の音声1本での結果です。

研究が届いていない範囲

ここまでの研究には、届いていない範囲が3つあります。

1つ目は、日本語の話者を対象にした実験です。AI音声と人の声を比べた近年の実験は、英語圏と中国語に集中しています。日本語で同じ結果が出るかどうかを、私たちは確かめられていません。

2つ目は、長期にわたって聴き続けた場合です。ここまでの実験の刺激は、30秒から5分28秒の範囲でした。数十分の番組を何か月も聴き続けたとき、AIの声がどう受け取られるかを測った研究は見つかっていません。

3つ目は、企業の音声コンテンツという場面です。実験の題材は、投資ゲーム、ニュース、文学の朗読、教育の音声でした。経営者が自社について語る場面での比較を、私たちは確認できていません。

この研究をどう見るか

ここまで並べた研究が使っているのは、数秒から数分の音声クリップと、英語の話者を対象にした実験です。日本語で社内や取引先へ音声を届ける会社から見ると、離れている点が3つあります。

1つ目は、言語と話者です。参加者が聞いたのは英語の音声でした。日本語の合成音声について同じ結果が出るかどうかを、研究チームは確かめていません。

2つ目は、聞く長さです。実験で使われたのは短いクリップです。数十分の番組を何か月も聴き続けたときにAIの声がどう受け取られるかを測った研究を、私たちは見つけられていません。

3つ目は、話し手との関係です。研究で分かれ目になったのは、聞き手がその声の持ち主を知っているかどうかでした。御社の社員は、社長の声を知っています。

一方で、規模を問わず残る部分もあります。本人の声を複製した音声と、誰のものでもない合成音声とでは、聞き手の受け取り方が違う、という点です。私たちは、この2つを同じ「AIの声」という言い方でまとめて扱えません。

御社の日常にも、この違いは現れます。社内のお知らせを合成音声で読み上げる運び方と、社長の声を複製して読み上げる運び方があります。社員が受け取るものは、この2つで別のものになります。

アストライドの考え

私たちは、ここまでの研究を次のように読んでいます。AIの声が信頼を下げるかどうかは、AIを使ったかどうかで決まるものというより、その声が誰の声として聞かれるかで決まります。

聞き手がその人を知っている場合と、知らない場合とでは、評価が逆の向きへ動きます。私たちは、この読み方を制作の3つの場面に当てています。

1つ目は、経営者ご本人の声を合成音声で置き換えないという原則です。Rosi らの結果は、聴き手がすでに知っている声を複製すると評価が下がる可能性を示しました。社員や取引先はすでに経営者の声を知っていますので、複製がいちばん不利に働く場面にあたります。

2つ目は、AIを使う範囲を制作の裏側に限るという方針です。私たちは調査、構成の下書き、書き起こし、切り抜きの候補選びにAIを使います。一方で、番組で流れる声そのものにはAIを使いません。エディソン・リサーチの2026年の調査では、週に1回以上聴く人の62%がAIをポッドキャストの信頼性への脅威と考えていました。

3つ目は、使った場合に必ず知らせるという運用です。Hebbel-Seeger の実験は、AIだと知らせた群のほうが事実を確かめようとしなくなるという結果を示しました。知らせることで読者の警戒が緩む可能性がありますので、私たちは表示だけで済ませず、内容の裏づけを別に取ります。

御社だけで確かめられることもあります。経営者の声を3分だけ録り、同じ原稿を音声合成で読み上げたものと並べて、社員に聴き比べてもらってください。社員が「社長らしくない」と感じる箇所が出たとき、その箇所こそ複製で失われている部分にあたります。

まとめ

投資ゲームを使った統制実験では、参加者本人の声を複製したエージェントが、比較の条件より有意に高い信頼を得ました。AIだと知らせても、この上昇は有意に弱まっていません（Schanke ほか 2026、Management Science 72巻1号）。

聴き手は、クローンを聞き分けられません。クローンと元の話者を同じ人物と判断した割合は約80%、AI音声をAIだと見抜けた割合は約60%でした（Barrington ほか 2025、Scientific Reports 15巻11004、N=604）。

評価は、聴き手がその声を知っているかで逆転します。知っている声ではクローンの評価が下がるか同程度になり、知らない声では実際の声より高くなりました（Rosi ほか 2025、N=94）。

中国語のニュースを使った実験では、人の声のほうが信頼できると感じられ（d=-1.265）、聞きやすいと評価されています（d=-1.225）。ただし理解できたかどうかに差は出ていません（Gong 2023、N=30）。

文学の朗読では、AIと人の声で評価の差がごく小さいものにとどまりました（Ahrens-Schwabe ほか 2026）。用途によって、結果は変わります。

経営者の声を3分だけ録り、同じ原稿を音声合成で読み上げたものと聴き比べてください。社員が「社長らしくない」と感じる箇所が、複製で失われている部分になります。

この記事からわかるQ&A

AIの声は、人間の声より信頼されないのですか

そうとは限りません。Schanke ほか（2026、Management Science 72巻1号386〜405頁）の統制実験では、参加者本人の声を複製したエージェントが比較の条件より有意に高い信頼を得ています。効果の一部は「自分と似ている」という感覚で説明され、音質が高いほど強まりました。AIかどうかより、用途と条件が結果を分けます。

聴き手は、複製された声を見抜けますか

見抜けません。Barrington ほか（2025、Scientific Reports 15巻11004、N=604）では、クローンと元の話者を同じ人物と判断した割合が約80%、AI音声をAIだと正しく見抜いた割合が約60%でした。耳だけで真正性を確かめることには、限界があります。

経営者の声を複製することに、問題はありますか

聴き手がその声を知っている場合、評価が下がる可能性があります。Rosi ほか（2025、Computers in Human Behavior: Artificial Humans 4巻100143、N=94）では、声を知っている参加者ではクローンの信頼性・魅力・有能さが実際の声より低いか同程度でした。社員や取引先は経営者の声をすでに知っていますので、複製が不利に働きやすい条件にあたります。

「不気味の谷」は音声でも起きますか

まだ確かめられていません。Ross ほか（2024、Speech Prosody 2024、1115〜1119頁、N=205）では、最も人らしい合成音声でも人らしさの平均が100点中46.1にとどまりました。谷を検証できるほど人らしい音声が用意できなかった、という結果です。一方で Do ほか（2022、CHI、N=79）では、ニューラル合成音声が人の声より有意に低い信頼性を示しています。

AIを使ったと表示すべきですか

Hebbel-Seeger （2026、Athens Journal of Mass Media and Communications、N=60）では、AIだと知らされた群のほうが「事実を自分で確かめる必要がある」と感じる度合いが低くなりました（U=262.0, p=.038, r=.280）。表示することで読者の警戒が緩む可能性がありますので、表示だけで済ませず、内容の裏づけを別に取ってください。ただし4つの検定のうち有意だったのは1件で、著者も追試の必要を述べています。

出典

• Schanke, S., Burtch, G., & Ray, G. (2026). “Digital Lyrebirds: Experimental Evidence That Voice-Based Deep Fakes Influence Trust.” *Management Science*, 72(1), 386–405. 投資ゲームを使う統制実験、米国のオンライン成人標本。参加者本人のクローン声を持つエージェントは比較条件より有意に高い信頼を得た。AI開示は信頼上昇を有意に弱めず、効果の一部は「自分と似ている」感覚で説明され、音質が高いほど強まった https://doi.org/10.1287/mnsc.2022.03316
• Barrington, S., Cooper, E., & Farid, H. (2025). “People are poorly equipped to detect AI-powered voice clones.” *Scientific Reports*, 15, 11004. 米国英語話者の録音を ElevenLabs で複製。話者同一性判断 n=304、人声・AI判断 n=300、計 N=604、Prolific 標本。クローンと元話者を同一人物と判断した割合は約80%、AI音声を見抜く率は約60%、人声の正答は約67% https://doi.org/10.1038/s41598-025-94170-3
• Rosi, V., Soopramanien, & McGettigan, C. (2025). “Perception and social evaluation of cloned and recorded voices: Effects of familiarity and self-relevance.” *Computers in Human Behavior: Artificial Humans*, 4, 100143. 友人ペアの実声とクローンを比較。声を知る47人と知らない統制群47人、計 N=94、英国の成人英語話者。知人の声ではクローンの評価が低いか同程度、未知の声では逆転 https://doi.org/10.1016/j.chbah.2025.100143
• Gong, X. (2023). “AI voices reduce cognitive activity? A psychophysiological study of the media effect of AI and human newscasts in Chinese journalism.” *Frontiers in Psychology*, 14, 1243078. 中国語ニュース、脳波と事象関連電位を測定。予備実験 n=10、本実験 N=30、各クリップ30秒。人声はAI声より信頼 t(9)=-4.00, p=.003, d=-1.265、聞きやすさ t(9)=-3.873, p=.004, d=-1.225 が高い。理解可能性は有意差なし https://doi.org/10.3389/fpsyg.2023.1243078
• Ross, J., Corley, M., & Lai, C. (2024). “Is there an uncanny valley for speech? Investigating listeners’ evaluations of realistic synthesised voices.” *Speech Prosody 2024*, 1115–1119. 同一女性話者のデータから作った5段階の合成音声と本人の声、N=205、Prolific の英語使用者。人らしさと快さは r(203)=.48, p<.001。最も人らしい合成音声でも人らしさ平均は46.1／100 https://doi.org/10.21437/SpeechProsody.2024-225
• Do, T., McMahan, R. P., & Wisniewski, P. J. (2022). “A New Uncanny Valley? The Effects of Speech Fidelity and Human Listener Gender on Social Perceptions of a Virtual-Human Speaker.” *CHI ’22*. 3（標準合成音声／ニューラル合成音声／人の声）×2（聴取者性別）の被験者間実験、N=79、米国。ニューラル合成音声は人の声より有意に低い信頼性 https://doi.org/10.1145/3491102.3517564
• Ahrens-Schwabe, Kosch, Stocker, & Boomgaarden (2026). “Who cares about artificial intelligence? Human and artificial voices in audiobooks.” *Computers in Human Behavior Reports*, 22, 101068. オーディオブック聴取者に文学作品の抜粋をAI声またはプロ声優の人声で提示。オーストリアの研究計画。AI対人声の評価差はごく小さく、期待も評価差を有意に調整しなかった。公開概要に標本数・平均差・効果量の記載なし https://doi.org/10.1016/j.chbr.2026.101068
• Hebbel-Seeger, A. (2026). “Voices of Authority?! Trust in Human and AI-Generated Educational Podcasts.” *Athens Journal of Mass Media and Communications*. 同一のAI生成教育ポッドキャストを、AI生成と明示する群と出所情報なしの群へ提示。被験者間の準実験、N=60、ドイツ、刺激5分28秒。AI明示群は事実確認の必要性を低く感じた（U=262.0, z=-2.079, p=.038, r=.280）。4検定中の有意結果は1件 https://www.athensjournals.gr/ajmmc
• Edison Research / SSRS「The Podcast Consumer 2026」2026年6月4日公表。Edison の複数の定点調査を統合。週次のポッドキャスト利用者の62%がAIをポッドキャストの信頼性への脅威と考えている https://www.edisonresearch.com/the-podcast-consumer-2026/
• Sounds Profitable「Audio Primes 2026」2026年4月16日公表。米国成人5,034人の調査データを基礎に、音声で75%以上を消費する層を分析。AI音声になれば聴取をやめる・減らす可能性があるとの回答は音声中心層で48%、動画中心層で40% https://soundsprofitable.com/