AI音声品質評価指標MOSスコア解説2026：音声の良し悪しを数値化する方法

「このAI音声、なんか不自然なんだけど、どう表現すればいいんだろう」

そのもやもやを数値化するのがMOSスコアです。AI音声の世界標準品質指標を、技術者じゃなくてもわかるように解説します。

MOSスコアの基本

MOS（Mean Opinion Score）は国際標準ITU-T P.800で規定された音声品質の主観評価指標。複数の評価者が5段階で採点し、その平均値で品質を数値化します。

5段階評価の基準：
5点＝劣化が全く知覚されない（人間と区別不能）
4点＝劣化が知覚されるが気にならない
3点＝劣化がやや気になる
2点＝劣化が気になるが理解可能
1点＝劣化が非常に気になり理解困難

主要AI音声ツールのMOSスコア

FlowPixが10名の評価者で実施したブラインドテストの結果（2026年6月）。

4.0以上が「高品質」、4.5以上が「人間と区別困難」の目安。詳しくは AIテキスト読み上げ品質比較 も。

MOSスコアを上げる改善ワークフロー

1. ベースライン測定→2. ボトルネック特定（抑揚・発音・ポーズ）→3. パラメータ調整→4. 再評価→5. フィードバックループ。これを回すだけでMOSは0.3〜0.5点上がります。

最も効果的な改善は「テキストの最適化」。適切な読点と改行を入れるだけでMOSが0.2〜0.4点上がるケースが多い。詳しくは AIナレーション失敗改善 を。

よくある質問

MOSスコアとは何ですか？

MOS（Mean Opinion Score）は音声品質の主観評価指標で、複数の評価者が5段階（1=悪い〜5=素晴らしい）で採点した平均値です。ITU-T P.800という国際標準規格で定められていて、AI音声合成の品質比較に最も広く使われています。

人間の声のMOSスコアはどのくらいですか？

プロのナレーターによる高品質録音で4.5〜4.9程度。2026年のトップAI音声ツール（ElevenLabs、Azure AI Speech）は4.3〜4.6に達しており、人間の声に肉薄しています。4.0以上が「高品質」、4.5以上が「人間と区別困難」の目安です。

自分のAI音声の品質をMOSスコアで測る方法は？

複数の人（最低10名推奨）にAI音声を聞かせて1〜5点で評価してもらうだけです。オンラインではAmazon Mechanical Turkなどで評価者を集められます。より手軽な客観指標としてPESQやSTOIなどの自動評価ツールもあります。