KOE vs ElevenLabs 音声品質比較
KOE vs ElevenLabs: Voice Quality Benchmark
5言語×8文=40サンプル / NISQA・人間らしさ・文字起こし精度の定量評価とAB試聴 / 2026-10-28 測定
40 samples (5 languages × 8 sentences) — quantitative metrics and side-by-side listening. Measured 2026-10-28.
結果サマリー
Summary
誇大なく、両者の強みをそのまま示します。
An honest readout of where each engine wins.
KOE が優位
KOE wins
人間らしさ (Human率)
Human-likeness
0.674 vs 0.274 (+0.40, p=1.3e-10)。Deepfake検出器が「人間の声」と判定する確率で大差。
0.674 vs 0.274 (+0.40, p=1.3e-10) on the deepfake detector's human probability.
KOE が優位
KOE wins
日本語の発音精度 (CER)
Japanese pronunciation (CER)
日本語CER 0.043 vs 0.197 (p=0.018)。Whisper文字起こしの誤り率で有意に優位。
Japanese CER 0.043 vs 0.197 (p=0.018) — significantly fewer transcription errors.
ElevenLabs が優位
ElevenLabs wins
知覚自然性 (NISQA)
Perceptual naturalness (NISQA)
4.99 vs 3.13 (p=1.8e-12)。全言語でElevenLabsが有意に高い。KOEの改善余地。
4.99 vs 3.13 (p=1.8e-12), significant in every language. Clear room for KOE to improve.
差なし
No significant difference
全体のCER
Overall CER
0.089 vs 0.076 (p=0.126)。全体ではElevenLabs微優位だが有意差なし。
0.089 vs 0.076 (p=0.126) — slight ElevenLabs edge, not significant.
定量結果
Quantitative results
NISQA(1-5, 高いほど自然) / Human率(0-1, 高いほど人間らしい) / CER(低いほど正確)。pはWilcoxon符号付順位検定(両側)。
NISQA (1–5, higher = more natural) / Human rate (0–1, higher = more human-like) / CER (lower = more accurate). p: Wilcoxon signed-rank, two-sided.
KOE優位(有意)KOE wins (significant)
ElevenLabs優位(有意)ElevenLabs wins (significant)
※ p < 0.05 の項目のみ色付け。n=8/言語、全体n=40。測定方法の詳細はページ末尾。
Cells are colored only when p < 0.05. n=8 per language, n=40 overall. Methodology at the bottom of the page.
音声AB試聴
Listen: A/B samples
同じ文をKOEとElevenLabsで読み上げた音声を並べています。ヘッドホン推奨。
The same sentences synthesized by KOE and ElevenLabs. Headphones recommended.