Hugging Face のブログに掲載された情報によると、既存のベンチマークは音声 AI が人間のパフォーマンスレベルに近づいていることを示唆していますが、実際の会話では異なる状況が見られます。これは、現在の評価が日常生活における音声モデルの使用実態を完全に反映していない可能性があることを意味します。

Hugging Face が発表した新しい指標 Real World VoiceEQ は、人間の知覚の観点から音声 AI の品質をより正確に評価することを目的としています。これにより、標準的なベンチマークでは考慮されていない欠点を特定し、実環境における音声モデルの応用を改善するのに役立つ可能性があります。