EMNLP 2026論文：同じ主張でも音声になるとAIの事実確認が低下——3879件で検証

結論から言うと、AIが文章の真偽を判断できても、同じ内容を音声で聞かせると正確さが下がることが分かりました。2026年9月24日にarXivで公開され、EMNLP 2026本会議に採択された論文は、音声の事実確認を測る評価セット「VeriSpeak」を提案しました。

データは時間、場所、物事の関係に関する3879件の話し言葉の主張で構成され、正しい例と誤った例を同数にそろえています。研究チームが大規模音声言語モデルを比較すると、文章では安定して確認できるモデルでも、音声では同じ主張に失敗する一貫した差が見つかりました。また、検索で関連文章を渡すだけでは改善が小さく、AIが検索結果と音声の主張を混同する例がありました。

一方、両者を明示的に比べて考えるよう促すと改善し、思考向けに調整したモデルは正解率86.1%に達しました。利用者にとっては、会議録、動画、ポッドキャストの自動検証で、文字起こしや根拠検索を付けるだけでは不十分だという注意になります。根拠と発言を別々に示し、最後は人が原典を確認する設計が重要です。

ただし、3879件は作成された評価用データで、現実の長い会話や雑音、皮肉、最新ニュースをすべて再現するものではありません。86.1%も誤りが残る水準です。出典はEMNLP 2026採択表記のある論文本文で、2026年9月27日に確認しました。