完全性スコアはAI英会話の採点で何を見ているのか。読み飛ばしを測る仕組みを公式仕様から分解した

AI英会話の採点画面に「完全性」という欄が現れて、数字だけ眺めたまま意味が分からずにいる人は多い。

この欄は、発音のうまさを採点しているわけではない。

完全性スコア（CompletenessScore）は、AI英会話の裏側で回っている発音評価という仕組みが返す4つの数字のうちの1つだ。

そして4つのなかで唯一、音そのものをまったく聞いていない数字でもある。

ここでは、AIの部品を売っている会社が開発者向けに出している公式ドキュメントの記述だけを材料に、この数字が何を数えているのかを分解していく。

サービスの順位づけやおすすめはしない。仕組みの話だけをする。

【結論】AI英会話の完全性スコアは「渡された原稿の何割を声にしたか」の割り算でしかない

先に答えを置く。

マイクロソフトの発音評価を使用するには、この項目の定義が置かれている。

要するに、お手本として渡した文（参照テキスト）の単語数を分母に置き、そのうち声に出せた単語の数を分子に置いた割り算だ、という説明である。

割り算、である。音の良し悪しを表す変数は、この式のどこにも登場しない。

言い換えれば完全性スコアとは、渡された原稿のうち何単語を口に出したかを数えた、出席簿のような数字にすぎない。

採点項目	何を測っているか	返ってくる粒度
AccuracyScore	出した音素が母語話者の発音にどれだけ近いか	音素／音節（en-USのみ）／単語／全文
FluencyScore	単語と単語のあいだに置く無音の取り方が、母語話者にどれだけ寄っているか	全文だけ
ProsodyScore	強勢・抑揚・話す速さ・リズムから見た自然さ	全文だけ
CompletenessScore	原稿の単語のうち、声にできた分の割合	全文だけ

⇒ ほかの3つが「どう言ったか」を採点しているのに対し、完全性だけは「言ったかどうか」しか見ていない。

この違いは、点数の読み方をまるごと変えてしまう。

発音の3項目は、練習を積めば少しずつ動く性質の数字だ。対して完全性は、やり方さえ変えれば翌日に満点へ跳ねうる数字になる。

AI英会話の完全性スコアは、お手本のある練習にしか現れない

この欄が画面に出ない日があるのは、不具合ではなく設計どおりだ。

公式ドキュメントは、発音評価の使い方を2種類に切り分けている。

• スクリプト化された評価＝読む練習に向けた使い方。先に ReferenceText を渡しておく。
• スクリプトなしの評価＝話す練習に向けた使い方。お手本の文は渡さない。
• どちらを選ぶかはアプリの作り手が決める。利用者の側で切り替えられるとは限らない。

そして、返ってくる結果の一覧は、この2つで中身がそろっていない。

話す練習のほうの一覧に、CompletenessScore は並んでいない。

総合点の計算方法を説明した箇所でも、話す場面については「完全性スコアは適用されません」と明記されている。

理屈としては当然で、お手本が無ければ「原稿の何割を読んだか」という分母を置けない。

練習の種類	お手本の文	完全性スコア
提示された文を読み上げる	渡す	返る
自由に話す・AIと雑談する	渡さない	適用されない

⇒ フリートークで完全性の欄が空いているなら、それは減点されたのではなく、そもそも測っていないだけだ。

AI英会話の完全性スコアは全文にひとつ、単語ごとには割り振られない

公式の一覧表で、この項目の粒度は「全文」のみと指定されている。

発音評価には Granularity という設定があり、Phoneme（音素）・Word（単語）・FullText（全文）のどれかを選ぶ。既定では Phoneme になっている。

ところが、どれだけ細かい設定を選んでも、完全性だけは一発話につき数字が1つしか返らない。

公式が例として載せている hello 一語の結果JSONを見ても、この項目が現れるのは文全体のかたまりの中だけで、単語の側に入っているのは AccuracyScore と ErrorType の2つだ。

つまり「どの単語を落としたのか」を、この数字そのものから逆算することはできない。

落とした場所を突き止めたいなら、見に行く先は単語ごとに付く ErrorType のほうになる。

画面に「95点」と出ていても、95点の内訳は利用者に開示されない。

AI英会話の完全性スコアと組で語られる読み飛ばし検出は、既定では動いていない

ここがいちばん誤解されやすいところだ。

読み飛ばし（Omission）と、余計な言葉の混入（Insertion）が ErrorType に現れるのは、EnableMiscue という設定を有効にしたときだけである。

公式の説明を要約すると、この設定は、口に出した語とお手本の語を突き合わせて食い違いを数える処理を動かすためのものだ。取りうる値は真偽の2つで、何も指定しなければ False のまま動く。

既定は無効。アプリの作り手が明示的に有効へ倒していなければ、単語単位の読み飛ばしタグは返ってこない。

制約はもう1つある。公式は、音声が30秒を超えるときは連続モードで処理するよう案内したうえで、そのモードでは EnableMiscue を使えないと書いている。

その場面で読み飛ばしと混入のタグが欲しければ、書き起こされた結果とお手本の文をアプリ側が自力で突き合わせるしかない、とも添えられている。

• 短い1文の音読＝読み飛ばしタグを出せる余地がある。
• 長文の音読（30秒超）＝連続モードに入り、この機能自体が選べない。
• いずれにせよ、既定のままなら突き合わせの処理そのものが走らない。

⇒ 長い文章を読ませるAI英会話ほど、「どこを飛ばしたか」の指摘は構造的に出しにくくなる。

AI英会話の総合点では、完全性スコアの重みが場面ごとに入れ替わる

総合点の出し方は公式に書かれている。

手順はこうだ。4つの数字を小さい順に並べ替え、最下位を s0、以下 s1・s2・最上位を s3 と置く。そのうえで場面ごとに決められた係数を掛けて足し合わせたものが PronScore になる。

場面	s0（最下位）	s1	s2	s3（最上位）
読み上げ・プロソディあり	0.4	0.2	0.2	0.2
読み上げ・プロソディなし	0.6	0.2	0.2	―
自由発話・プロソディあり	0.6	0.2	0.2	―
自由発話・プロソディなし	0.6	0.4	―	―

係数がぶら下がっているのは項目名ではなく、順位のほうだ。

だから完全性が4つのなかで最下位だった回は、その数字が s0 の席に着き、いちばん重い係数を背負うことになる。

読み上げ練習でプロソディも有効なら、最下位に乗る係数は 0.4。残る3つは 0.2 ずつ。いちばん低い1つが、全体の4割を握っている。

なお公式は、プロソディと完全性は使える場面でだけ計算に加わり、使えない場面ではその数字を勘定に入れないとも書いている。

⇒ 音読で総合点が伸びないとき、足を引っ張っているのが発音ではなく「最後まで読み切っていないこと」である場合がある。

AI英会話の完全性スコアを下げるのは、サボりよりも録音環境のことがある

分子に来るのは「発音した単語」ではなく、厳密には「機械がそう聞き取れた単語」だ。

ここで効いてくるのが、音声認識の側の事情になる。

マイクロソフトの音声テキスト変換の精度をテストするは、聞き取りの誤りを3種類に整理している。

• 挿入（I）＝書き起こしの側に、余計に足されてしまった語。
• 削除（D）＝書き起こしの側で、拾われないまま消えた語。
• 置換（S）＝別の語に取り違えられたもの。

完全性スコアに直接ぶつかるのは、このうち削除（D）だ。話したのに拾われなかった語は、黙っていた場合と見分けがつかない。

原因についても、同じ資料は踏み込んでいる。削除が目立つときの典型は、音の信号が弱いこと。対策としては、発生源の近くで録ることが挙げられている。

声が小さい、マイクが遠い、語尾が消える。これらは読み飛ばしとまったく同じ結果を招く。

• 語尾の子音を弱く落とす癖があると、その語ごと拾われないことがある。
• 言い直した前半が、お手本と噛み合わない形で残ることがある。
• マイクから離れて録れば、信号の弱い区間がまるごと欠ける。

余計な語が足される側についても、同じ資料は録音場所の騒がしさや、話し声の被りが引き金になりうると述べている。

同居人の声やテレビの音が入る部屋は、この観点では不利になる。

⇒ 完全性スコアは、練習への意欲ではなく録音環境を映していることがある。

AI英会話の完全性スコアを読む前に、採点の土台を押さえておく

採点に使われているモデルは、ふだんの文字起こしと同じものではない。

公式はページの冒頭で、採点のぶれを抑えるために、通常の書き起こしとは別仕立ての専用モデルを当てていると断っている。

お手本を渡さない話す練習のほうについても、同様の注意がある。そこで動くモデルは通常の音声テキスト変換と別物なので、書き起こしの正確さを重く見るなら、先に通常の認識でお手本の文を起こし、それを渡したうえで読み上げ型の評価を走らせるやり方が勧められている。

点数の見え方には、もう1つ設定が絡む。

GradingSystem には2択があり、FivePoint なら 0〜5、HundredMark なら 0〜100 の幅で返る。何も指定しなければ前者だ。

言語の守備範囲も無制限ではない。言語サポートによれば、発音評価が対応するのは33のロケールで、指定が無いときは en-US が使われる。

ちなみに、強勢や抑揚を見るプロソディ評価が使えるのは en-US だけだと注記されている。

⇒ 同じ音読をしても、アプリがどのロケールとどの採点幅を選んでいるかで、画面の数字の意味は変わる。

AI英会話の完全性スコアを上げる打ち手は、発音練習とは別方向にある

式が「読めた語の割合」である以上、やることは口の形の練習ではない。

• 最後まで読み切る。途中でやめた分は、そのまま分子から消える。
• 語尾を捨てない。拾われない語が増える典型は信号の弱さだと公式が挙げている。
• マイクを近づけ、静かな部屋で録る。騒音と声の被りは、余計な語が混じる要因として名指しされている。
• 言い直しを減らす。お手本との突き合わせは、途中でやり直す前提の作りになっていない。
• 完全性がほぼ満点なのに総合点が低いなら、原因は残る3項目だ。そちらを個別に見る。

完全性スコアが映すのは、努力の質ではなく手続きの完了だ。

だからここが低い日は、練習の中身を疑うより先に、読み方と録音まわりを見直すほうが早い。

逆に、ここだけが常に満点で総合点が動かないなら、この数字は打ち手の手がかりとしては役目を終えている。

AI英会話の完全性スコアに関するよくある質問

Q. 完全性スコアが100なら発音も良いということか。 A. 言えない。この項目はお手本の単語に対して声にできた単語の割合として定義されており、音の質を担当するのは AccuracyScore という別の欄だ（出典）。

Q. フリートークだと完全性の欄が出ないのはなぜか。 A. お手本を渡さない使い方だからだ。公式は話す場面について「完全性スコアは適用されません」と書いている。

Q. どの単語を飛ばしたのか知りたい。 A. この数字は全文にひとつしか返らないので、そこからは分からない。単語ごとの Omission は EnableMiscue を有効にしたときに ErrorType として返るが、既定は無効のままだ。

Q. 長い文章を読むと指摘が減る気がする。 A. 気のせいとは言い切れない。30秒を超える音声は連続モードで処理され、そのモードでは EnableMiscue を使えないと公式に書かれている。

Q. ちゃんと読んだのに完全性が下がる回がある。 A. 聞き取りの側で落ちている可能性がある。精度のテストの資料は、拾われない語が多いときの典型として音の信号の弱さを挙げている。

Q. 5点満点で返る日と100点満点で返る日がある。 A. GradingSystem の指定によって幅が変わる。0〜5と0〜100の2択で、何も指定しないときは前者になる。

まとめ｜AI英会話の完全性スコアは、うまさではなく「やり切ったか」を映す

もう一度、要点を並べ直す。

• 中身はお手本の単語に対して声にできた単語の割合。音の質は測っていない。
• お手本を渡す読み上げ練習でしか返らない。話す場面では適用されないと公式が明記している。
• 粒度は全文だけ。どの語を落としたかは ErrorType 側の話で、その検出は既定で無効になっている。
• 総合点では最下位の数字に最大の係数が乗る。完全性が最下位なら、そこが全体を引っ張る。
• 下がる理由は読み飛ばしに限らない。信号の弱さや録音場所でも同じ結果になりうる。

⇒ この欄を見るときは「発音が悪かった」と読まず、「原稿をどれだけ機械に届けられたか」と読むほうが、仕組みに合っている。

※本記事の一次ソースは、各公式ドキュメントを2026-09-16および2026-09-18に取得した生テキストで確認した。仕様は更新されるため、最新は各公式ドキュメントで確認してほしい。