AI動画翻訳品質の評価 – 本当に重要な指標

1. 文字起こし品質

エンジン: WhisperX

• WER（Word Error Rate）
• 句読点 F1（表現力と読みやすさのため）

2. 翻訳品質

エンジン: Helsinki, MarianMT

• BLEU（標準メトリック）
• COMET / chrF++（意味の類似性）
• 人間によるレビュー：流暢さ + 適切さ

3. 音声合成品質

エンジン: XTTS / YourTTS

• MOS（自然さ、類似性、表現力）
• スピーカー認証の精度

4. アライメントとリップシンク

• セグメントの長さの不一致
• Wav2Lip同期信頼度
• 時間的なずれの分析

5. 意味保持

翻訳後の音声が元の意味・トーン・感情を保持しているかを、GPT-4などのLLMで評価します。例:

この中国語（標準語）の書き起こしと英語音声を比較し、トーン・意図・内容が一致しているかを1〜5で評価し、理由を説明してください。

6. ユーザーフィードバックとGTM検証

• 製品カテゴリに適した音声品質
• 視聴者の滞在時間の向上
• 初期ユーザーからの採用意欲（例：1688のセラー）