AIオーディオブック企業Spokenは2026年7月15日、Edison Research at SSRSによる独立調査結果を公表しました。米国のフィクション系オーディオブックリスナー1,000人超を対象にした調査で、SpokenのAI多役ナレーションが人間の単独ナレーションを好意度・品質評価・エンゲージメントで上回る結果が示されています。
調査の背景と設計
今回発表された調査は、Spokenが独立系リサーチ会社であるEdison Research at SSRSに委託して実施したものです。対象となったのは、米国在住の成人フィクション系オーディオブックリスナー1,000人超で、参加者はランダムに2つのブラインドコホートに割り当てられました。
一方のグループは、新作SFスリラーの抜粋をプロの人間ナレーターによるシングルナレーション版として聴取し、もう一方のグループは、編集を加えていないワンクリック生成の「Spoken Multi-Cast™」ナレーション版を聴取しています。調査の焦点は、現在のオーディオブック市場で最も比率の高いカテゴリーであるキャラクター主導のフィクションに置かれました。
登場人物ごとに異なる声を割り当てる形式は、これまで人間によるフルキャスト制作に限られてきた手法です。AI技術がこの形式を再現した場合に消費者がどう反応するかを大規模に検証したのは、今回が初めてとされています。
主要な調査結果
キャラクターが複数登場するストーリーの直接比較では、Spoken Multi-Cast™が全体的な好意度で61%、人間ナレーションが53%となりました。ナレーション品質の評価ではAI側が66%、人間側が60%、全体的なエンゲージメントではAI側が58%、人間側が49%です。ただし、複数の登場人物が登場しない説明的なパートについては、人間ナレーターのほうが高い評価を得ています。
態度変容も顕著でした。調査開始時点でAIナレーションのオーディオブックを聴きたいと答えたリスナーは31%にとどまりましたが、実際に抜粋を聴いた後には65%と2倍以上に増加しています。
判別可能性についても興味深いデータが出ました。Spoken版を聴いた人の61%が「人間のナレーションだ」と判断しており、人間版を聴いた人が「人間だ」と判断した割合の65%と、ほぼ差がない水準です。
購入意向に商業的な障壁は見られず
Spoken Multi-Cast™ナレーションを採用したオーディオブックの購入意向は46%で、人間ナレーション作品の49%と統計的に同等の水準でした。しかもこれは、リスナーがAIであると知らされた後の数値であり、採用にあたって商業的な障壁が存在しないことを示唆しています。
また、頻繁にオーディオブックを聴く層の81%が、登場人物ごとに異なる声を聴くことに関心を示し、そのうち51%は「非常に関心がある」と回答しました。AIナレーション作品を聴く可能性を高める要因の上位は、品質の向上、没入感の高まり、複数のキャラクターボイスの使用であり、著名人の声を聴けることではありませんでした。
関係者のコメント
Edison Researchのバイスプレジデントであるメーガン・ラゾビック氏は、これまではAIナレーションという「概念」に対する消費者の意見しか測定できていなかったと述べています。今回初めて実際のオーディオブックの抜粋に対するリアルタイムの反応を測定でき、その結果として、ナレーションの制作方法にかかわらず品質が重要であり、リスナーは体験を向上させるものであれば受け入れる姿勢があるという明確なシグナルが得られたとしています。
SpokenのCEOであるフィル・マーシャル氏は、今回のデータが創業以来自身が信じてきたことを裏付けるものだとコメントしました。読者が求めるものが業界の意思決定を動かすとしたうえで、高品質な多役ナレーションこそ読者が求めるものであり、安価でワンクリックのソリューションこそ著者と出版社が求めるものだと述べています。Spokenの特許出願中の複数キャラクターシーンのレイヤリング手法により、読者が対価を支払う没入型のオーディオブック体験を提供できるとしています。
市場環境と今後
グローバルのオーディオブック市場は長年にわたり二桁成長を続けており、Grand View Researchによれば2030年までに350億ドルを突破すると予測されています。一方で、制作はスタジオ収録とオーディオ制作のコストおよび運用面の制約を受けています。Spokenの多役技術は、このギャップを埋めることを目的に開発されました。
調査手法としては、1,000人超の米国フィクションオーディオブックリスナーにランダムに抜粋を割り当て、その後一連の質問を実施しています。データは、Edison Research at SSRSとSiriusXM Mediaによる「The Infinite Dial 2026」で確立されたオーディオブック消費者の人口動態に合わせて加重されました。各処理グループは、年齢、性別、人種、SF・ファンタジー系オーディオブックへの関心についても相互に一致するよう加重されています。