L&D(学習・人材開発)担当者の63%が、音声生成またはテキスト読み上げにAIを利用しており、合成ナレーションは企業の学習設計で最も一般的なAI活用となっている(Synthesia、AI in Learning and Development Report 2026)。これはコンテンツ作成(60%)や動画制作(52%)を上回っており、音声トラックが研修動画の中で最初にソフトウェアへ任される要素になったことを意味する。資金とエビデンスは同時に動いている。米国の研修支出は1,028億ドルに達し(Training誌、2025 Training Industry Report)、Synthesiaの企業価値は1年でほぼ倍増して40億ドルとなり、管理された研究では、人間が読み上げてもAIが読み上げても学習者のテスト成績はほぼ同じという結果が続いている。音声市場全体の背景については、当社のAI音声ジェネレーター市場統計をご覧ください。本稿では、ATD、Training誌、LinkedIn、Wyzowl、Kaltura、Edison Research、Nimdzi、MarketsandMarkets、Grand View Research、Computers and Education・PLOS ONE・Scientific Reportsに掲載された査読付き研究、さらにSynthesia、HeyGen、ElevenLabsの企業開示のデータを集約した。
主なポイント
- L&D担当者の63%が音声生成またはテキスト読み上げにAIを利用(Synthesia、AI in L&D Report 2026)。
- AI搭載の動画ツールを使う組織は、動画制作を増やす可能性が4.5倍高い(KalturaとIntelliVid Research、2025年)。
- 米国の研修支出は4.9%増の1,028億ドル(Training誌、2025 Training Industry Report)。
- 直接的な学習支出は2025年に従業員1人あたり1,254ドルから846ドルへ減少した一方、正式な学習時間は13.7時間から16.7時間へ増加(ATD、2026 State of the Industry)。
- Synthesiaは企業価値40億ドルで2億ドルを調達し、Fortune 100の90%が顧客だと報告(Synthesia、2026年1月)。
- HeyGenは2026年6月に年間経常収益(ARR)2億ドルを突破し、Fortune 100の85%が研修、営業支援、ローカライズに利用(HeyGen、2026年)。
- AI生成の教材動画の制作は3〜4時間、従来型は12〜24時間で、テスト結果は同等(Netlandほか、Computers and Education 2025年)。
- 聴取者はAIの音声クローンを58%の割合で人間と判断し、本物の声は62%(Lavanほか、PLOS ONE 2025年)。
- 87%の人が指導動画では依然として人間の話者を好むが、75%はAIを組み込んだコンテンツに前向き(TechSmithの調査)。
- 2026年には動画マーケターの63%がAIツールで動画を作成または編集し、前年の51%から増加(Wyzowl、State of Video Marketing 2026)。
- AI音声ジェネレーター市場は2025年の41億6,000万ドルから、2031年には207億1,000万ドルに達すると予測(MarketsandMarkets)。
1. 市場規模と企業向けAI動画ベンダー
AI音声市場の予測は、各社の線引きの違いから4倍もの開きがある。MarketsandMarketsは、AI音声ジェネレーター市場を2025年に41億6,000万ドル、2031年までに207億1,000万ドル、CAGR 30.7%と見積もっており(MarketsandMarkets、AI Voice Generator Market)、ニューラルテキスト読み上げが49.6%で最大の技術セグメントだとしている。Grand View Researchは2030年について同じ範囲に着地し、The Business Research Companyはその4分の1ほどの規模しか見込んでいない。企業の購買担当者にとって有用なのは、特定の数字ではなく共通する方向性である。当社のテキスト読み上げ統計では、基盤となるTTS層をさらに詳しく追っている。
| 指標 | 値 | 出典 |
|---|---|---|
| AI音声ジェネレーター市場、2025年 | 41億6,000万ドル | MarketsandMarkets、AI Voice Generator Market 2025-2031 |
| AI音声ジェネレーター市場、2031年予測 | 207億1,000万ドル(CAGR 30.7%) | MarketsandMarkets |
| 市場に占めるニューラルTTSの割合、2025年 | 49.6%(最大の技術セグメント) | MarketsandMarkets |
| 市場に占める北米の割合、2025年 | 40.9% | MarketsandMarkets |
| AI音声ジェネレーター市場、2023年から2030年 | 36億ドルから218億ドル(CAGR 29.5%) | Grand View Research、AI Voice Generators Market Report |
| AI音声ジェネレーター市場、2025年から2030年 | 24億8,000万ドルから56億5,000万ドル | The Business Research Company |
| AI吹き替えを含むテキスト読み上げ、2023年 | 約50億ドル | Nimdzi、Language Technology Market Size |
ベンダーのデータは予測よりも具体的だ。SynthesiaのFortune 100への浸透率は、2年で40%から70%超に伸び、2026年1月までに90%に達した(Synthesia、ARR 1億ドル達成の発表、Synthesia、シリーズE)。同社は2億ドルのシリーズEを、企業が「従業員の研修とスキル向上」をどう進めるかという文脈で明確に位置づけた。HeyGenは、Fortune 100の85%が研修、営業支援、ローカライズに利用していると報告しており(HeyGen、ARR 2億ドル)、ElevenLabsも社内研修と吹き替えを企業向けの利用例に挙げている。
| 指標 | 値 | 出典 |
|---|---|---|
| Synthesiaの企業価値 | 21億ドル(2025年1月)から40億ドル(2026年1月) | SynthesiaのシリーズD・シリーズE発表 |
| Synthesiaの年間経常収益 | 1億ドル超(2025年4月) | Synthesia、2025年4月 |
| SynthesiaのFortune 100顧客 | 2年前は40%、70%超(2025年4月)、90%(2026年1月) | Synthesia、2025年・2026年 |
| Synthesiaのユーザー数/言語数/アバター数 | 200万人超/160超/240超 | Synthesia、シリーズE、2026年1月 |
| HeyGenの年間経常収益 | 2億ドル(2026年6月)、8か月で倍増 | HeyGen、2026年 |
| HeyGenのユーザー数/作成動画数/言語数 | 3,000万人超/1億1,800万本超/175以上の言語・方言 | HeyGen、2026年 |
| ElevenLabsのARRと企業価値 | 3億3,000万ドル超(2025年末)、企業価値110億ドル | ElevenLabs、シリーズD、2026年2月 |
補足:Synthesiaの顧客数はリリースごとに表現が異なる(2025年1月は6万社超、2025年4月は6.5万社超、2026年1月は5万チーム超)ため、これらの数字を推移のトレンドとしては扱っていない。
2. 研修予算と提供方法:ナレーションの位置づけ
予算データは、より安価なナレーションが求められる理由を説明している。ATDは、2025年の直接的な学習支出が従業員1人あたり408ドル減の846ドルとなる一方、正式な学習時間は13.7時間から16.7時間に増加したことを明らかにした。時間が増加するのは5年ぶりである(ATD、2026 State of the Industryのハイライト)。ATDはその要因として、仮想インストラクター主導のクラス、人材開発チームの縮小、管理業務の自動化を挙げている。1人あたりの費用を抑えながらより多くの学習を提供するというこの圧力こそが、チームをスタジオ収録から合成音声へと向かわせている。
| 指標 | 値 | 出典 |
|---|---|---|
| 従業員1人あたりの正式な学習時間、2025年 | 16.7(2024年の13.7から増加) | ATD、2026 State of the Industry |
| 従業員1人あたりの直接的な学習支出、2025年 | 846ドル(2024年の1,254ドルから減少) | ATD、2026 State of the Industry |
| データを提供した組織数 | 340 | ATD、2026 State of the Industry |
| 米国の研修支出総額 | 1,028億ドル(+4.9%) | Training誌、2025 Training Industry Report |
| 研修担当スタッフの人件費 | 647億ドル(+6.9%) | Training誌、2025年 |
| 外部の製品・サービスへの支出 | 160億ドル(+29%) | Training誌、2025年 |
| 受講者1人あたりの平均支出 | 874ドル(774ドルから増加) | Training誌、2025年 |
2つの代表的な調査は測定対象が異なり(ATDは340組織の従業員1人あたりの直接支出を追跡し、Training誌は従業員100人以上の米国企業を調査している)、そのため一方は1人あたり支出の減少を、もう一方は増加を示している。ただし、提供方法が主にデジタルである点では両者は一致している。オンラインまたはコンピューター利用型の手法が研修時間の34%を占め、教室での講義の28%を上回る(Training誌、2025 Training Industry Report)。AI自体が提供する時間は2%にすぎないが、AIツールを使う組織は1年前の25%から37%に増えた。外部の製品・サービスの29%増は、AI動画や音声のサブスクリプションが予算に計上される部分である。
| 指標 | 値 | 出典 |
|---|---|---|
| オンライン/コンピューター利用型で提供された研修時間 | 34% | Training誌、2025年 |
| インストラクター主導の教室で提供された研修時間 | 28% | Training誌、2025年 |
| 仮想教室またはウェブキャストによる研修時間 | 24% | Training誌、2025年 |
| AIによって提供された研修時間 | 2% | Training誌、2025年 |
| 研修にAIツールを使う組織 | 37%(25%から増加) | Training誌、2025年 |
| 従業員1人あたりの平均研修時間 | 40(47から減少) | Training誌、2025年 |
3. L&DにおけるAI導入:まず音声から
本稿で最も示唆的な数字は、タスクの順位である。音声生成とテキスト読み上げ(63%)は、L&D設計におけるあらゆるAI活用の中で首位であり、コンテンツやクイズの作成(60%)、動画制作(52%)、翻訳(38%)を上回っている(Synthesia、AI in Learning and Development Report 2026)。ナレーションは最も置き換えやすい部分だ。台本はすでにあり、編集のたびに合成音声を再生成でき、スタジオを予約し直す必要もない。この調査には、著者自身も認めているアーリーアダプター寄りの偏りがあるため、絶対的な水準は上限値として捉えてほしい。
| 指標 | 値 | 出典 |
|---|---|---|
| すでにAIを利用しているL&D担当者 | 87%(2%は予定なし) | Synthesia、AI in L&D Report 2026 |
| 音声生成/テキスト読み上げにAIを利用 | 63% | Synthesia、AI in L&D Report 2026 |
| コンテンツ作成/動画制作/翻訳にAIを利用 | 60%/52%/38% | Synthesia、AI in L&D Report 2026 |
| 制作の高速化/コンテンツ作成の時間短縮を挙げた割合 | 84%/88% | Synthesia、AI in L&D Report 2026 |
| 主な障壁:セキュリティ/正確性/法務 | 58%/52%/41% | Synthesia、AI in L&D Report 2026 |
より広範な調査も、音声に関する詳細は少ないものの、こうした意向を裏づけている。L&D担当者の71%が、AIを仕事に取り入れることを検討、試行、または統合している(LinkedIn、2025 Workplace Learning Report、L&Dおよび人事担当者937人)。Brandon Hall Groupは、2025年にAIがL&Dを変革すると予想した企業が89%に上った一方、その大半が基本的なコンテンツ作成とレコメンデーションにとどまっていると報告している(Brandon Hall Group)。TalentLMSの米国調査では、人事マネージャーの88%が、生成AIが学習コンテンツの作成に要する時間を変えると見込んでいる(TalentLMS、2026 L&D Report)。
| 指標 | 値 | 出典 |
|---|---|---|
| AIを検討または統合しているL&D担当者 | 71% | LinkedIn、2025 Workplace Learning Report |
| 2025年にAIがL&Dを変革すると予想した企業 | 89% | Brandon Hall Group、The Learning Revolution |
| AIスキルが重要だと答えた従業員/AI研修を受けた従業員 | 73%/25% | Brandon Hall Group、The Learning Revolution |
| 生成AIがコンテンツ作成時間を変えると予想する人事マネージャー | 88% | TalentLMS、2026 L&D Report(米国の人事マネージャー101人) |
| 信頼できないAIコンテンツを障壁に挙げた人事マネージャー | 22% | TalentLMS、2026 L&D Report |
4. 制作スピードとコスト
スピードは最も明確なメリットであり、最も信頼できる独立した数字はベンダーではなく学術研究から得られている。Netlandほかの実験では、AI生成の教材動画の制作に3〜4時間かかったのに対し、従来型の動画は12〜24時間かかった(Computers and Education、2025年)。AIの最も遅いケース(4時間)と従来型の最も速いケース(12時間)を比べても3分の2の時間短縮であり、しかもテスト成績に測定可能な低下は生じなかった(第5節参照)。合成ナレーションが声優の1分あたりの経済性をどう変えるかについては、当社のナレーション料金統計で詳しく解説している。
ベンダー調査も同じ方向を示しているが、割り引いて見る必要がある。SynthesiaがL&Dユーザー102人を対象に行った調査では、平均制作時間が13日から5日に短縮され、43%がAIが従来のプロセスに取って代わったと答え、置き換えられた要素の上位に声優が挙げられた(Synthesia、研修動画の統計)。これは2023年のもので、この種のデータとしては入手可能な最新だが、ベンダーが自社ユーザーに行った調査であるため、最良のケースとして読むべきだ。
| 指標 | 値 | 出典 |
|---|---|---|
| 動画1本あたりの制作時間:AIと従来型 | 3〜4時間と12〜24時間 | Netlandほか、Computers and Education 2025年 |
| Netlandほかの実験の参加者 | 米国の成人447人、AI制作の動画4本と人間制作の動画4本 | Netlandほか、Computers and Education 2025年 |
| 研修動画の平均制作時間 | 13日から5日(-62%) | Synthesiaユーザー調査、2023年(n=102) |
| 動画に費やす月間時間/AIによる削減割合 | 45時間/34% | Synthesiaユーザー調査、2023年 |
| AIが従来の制作プロセスを置き換えたと答えたユーザー | 43% | Synthesiaユーザー調査、2023年 |
Kalturaの需要側データは、スピードが重要な理由を示している。AI搭載の動画ツールを使う組織は、動画制作を増やす可能性が4.5倍高い(KalturaとIntelliVid Research、State of AI Video in the Enterprise、従業員1,201人、2025年第1四半期)。また、65%の働き手は同僚に尋ねるよりオンデマンド動画を見ることを好む。
| 指標 | 値 | 出典 |
|---|---|---|
| AIツールで動画制作を増やす可能性 | 4.5倍 | KalturaとIntelliVid Research、2025年 |
| 同僚に尋ねるよりオンデマンド動画を好む働き手 | 65% | KalturaとIntelliVid Research、2025年 |
| より簡単なツールがあればもっと作れると答えた動画制作者 | 68% | KalturaとIntelliVid Research、2025年 |
| 所属組織が動画制作を奨励している従業員 | 75% | KalturaとIntelliVid Research、2025年 |
| 制作品質向上のためAI動画機能に関心がある割合 | 77% | KalturaとIntelliVid Research、2025年 |
5. 学習成果:合成音声でも同じように教えられるか
研究上のコンセンサスは、どちらの陣営の主張よりも狭い。複数の管理された研究を通じて、AIナレーションやAIプレゼンターは人間と統計的に同等のテスト成績をもたらす一方、エンゲージメントと体験では人間がわずかに優位を保っている。 Netlandほかは、447人の成人にAI制作の経営学動画4本と人間制作の動画4本でテストを行った。知識の獲得は同程度だったが、人間の動画は学習体験において小さいながら有意な優位を示した(Computers and Education、2025年)。108人の学生を対象とした研究では、人間の講師でエンゲージメントが高かったものの、成績に差はなかった(Arkün-KocadereとÇağlar-Özhan、IRRODL 2024年)。
音声に絞ると、2026年の研究は、実在の講師とAI生成の講師を、人間の声と合成音声と掛け合わせて130人の参加者で検証し、どちらもモチベーションや知識定着に直接の影響は見られなかった。コストが現れたのは、AIの講師が人間らしくないと受け止められた場合の間接的なものだけだった(Education and Information Technologies、2026年)。CraigとSchroederの以前の研究では、現代的なTTS音声は古いエンジンよりも転移テストで高い学習効果を生み、信頼性では人間の声と同等と評価された(Computers and Education、2017年。この比較については入手可能な最新データであり、TTSはその後大きく進歩している)。
| 指標 | 値 | 出典 |
|---|---|---|
| 獲得した知識:AI制作と人間制作の動画(成人447人) | 同程度。体験では人間がわずかに優位 | Netlandほか、Computers and Education 2025年 |
| 合成音声と人間の声が記憶定着に与える直接的影響(参加者130人) | 有意なものはなし | Education and Information Technologies、2026年 |
| 学業成績:AI講師と人間の講師(学生108人) | 有意差なし。エンゲージメントは人間が高い | IRRODL、2024年 |
| 知識テスト:AIアバターと自主的なオンライン学習 | 10.63対8.92(p = 0.036、n = 48) | Bakhtiariほか、Frontiers in Psychology 2026年 |
| パーソナライズ動画を1位にした学生(学生493人) | 88.4% | Tomlinsonほか、Scientific Reports 2026年 |
| 平均順位:AIパーソナライズと人間の非パーソナライズ | 2.26対2.69(低いほど良い、p < 0.001) | Tomlinsonほか、Scientific Reports 2026年 |
| 現代的なTTSと人間の声の信頼性 | 同等と評価 | CraigとSchroeder、Computers and Education 2017年 |
外れ値に関する注記:AIに最も有利な結果(Bakhtiariほか、Frontiers in Psychology 2026年)は、AIアバターを人間の講師ではなく、指導なしのインターネット学習と比較したものであり、音声よりも構造について多くを語っている。Scientific Reportsの研究(Tomlinsonほか)は、研修チームにとってより鋭い発見である。学生は、汎用の人間収録動画よりも自分向けにカスタマイズされたAI生成動画を好み、パーソナライズが人間の顔や声よりも重視されたのだ。
6. 認知、信頼、検出
従業員が音声の合成に気づくかどうかは、ますますコイン投げに近づいている。2025年のPLOS ONEの研究では、聴取者はAIの音声クローンを58%の割合で人間と判断し、本物の人間の声の62%との差は統計的に有意ではなかった(Lavanほか、PLOS ONE 2025年)。汎用のストックAI音声は見破りやすく、同じテストで人間と判断されたのは41%にとどまり、本物の声は81%だった。ブランド固有のクローン音声やカスタム音声が埋めるのはこの差であり、音声をクローンされる本人の同意が音質と同じくらい重要な理由でもある。
| 指標 | 値 | 出典 |
|---|---|---|
| 人間と判断されたAI音声クローン | 58%(本物の声は62%) | Lavanほか、PLOS ONE 2025年 |
| 人間と判断された汎用AI音声 | 41%(本物の声は81%) | Lavanほか、PLOS ONE 2025年 |
| 本物らしさの評価:クローン/人間/汎用AI(0〜100) | 63.0/63.8/47.4 | Lavanほか、PLOS ONE 2025年 |
| AI生成の音声クリップを識別できなかった消費者 | 90% | Twilio対話型AIレポート、2025年11月(CX Dive経由) |
| AIは冒頭で自らAIだと明かすべきだと考える消費者 | 76% | Twilio、Customer Insights Series 2026 |
好みと検出は別の問題だ。87%の人が指導動画では依然として人間の話者を好むが、75%はAIを組み込んだコンテンツにやや、または非常に前向きである(TechSmith、動画統計と視聴者調査)。ただし、接触は考えを変える。フィクションのオーディオブックのリスナー1,005人を対象としたEdison Researchの調査では、AIナレーションを聴く意欲は、実際に聴いてもらうと31%から65%に上昇し、AIのマルチキャスト版は61%が好意的に評価し、人間のナレーションの53%を上回った(Edison Research(SSRS)によるSpoken向け調査、2026年7月)。オーディオブックは研修動画ではないが、このパターン(口では抵抗を示すが、ブラインドでは受け入れる)は、L&Dチームが報告しているものと同じである。
| 指標 | 値 | 出典 |
|---|---|---|
| 指導動画で人間の話者を好む | 87% | TechSmithの調査 |
| AIを組み込んだ指導動画に前向き | 75% | TechSmithの調査 |
| AIナレーションを試す意欲:聴く前と聴いた後 | 31%対65% | Edison Research(SSRS)、2026年 |
| 好意度:AIマルチキャストと人間のナレーション | 61%対53% | Edison Research(SSRS)、2026年 |
| 購入意向:AIと人間のナレーション | 46%対49% | Edison Research(SSRS)、2026年 |
7. 解説動画とローカライズ
マーケティングの現場では、AIはすでに多数派の実践となっている。2026年には動画マーケターの63%がAIツールで動画を作成または編集し、前年の51%から増加した(Wyzowl、State of Video Marketing 2026)。解説動画は68%で2番目に多い形式だ。解説動画はAIナレーションとの相性が良い。短い台本、頻繁な製品アップデート、ナレーターが1人という条件がそろっているからだ。声を決める前に台本を声に出して試したいチームには、無料のAI音声ジェネレーターで一度試してみるのが、テンポや長さを確認する手早い方法となる。
| 指標 | 値 | 出典 |
|---|---|---|
| 動画をマーケティング手段として使う企業 | 91% | Wyzowl、State of Video Marketing 2026 |
| AIツールで動画を作成または編集する動画マーケター | 63%(2025年は51%) | Wyzowl、2026年 |
| 解説動画を制作する動画マーケター | 68% | Wyzowl、2026年 |
| 製品を知るために解説動画を視聴した人 | 96% | Wyzowl、2026年 |
| 製品を知るために短い動画を好む人 | 63% | Wyzowl、2026年 |
| 動画を見て購入を決めた人 | 85% | Wyzowl、2026年 |
| 動画で良好なROIが得られたと答えたマーケター | 82% | Wyzowl、2026年 |
ローカライズは、合成音声が最も大きく計算を変える領域である。言語が1つ増えるたびに、かつては別のスタジオ収録が必要だったからだ。76%の消費者は自国語で情報が提供されている製品を買うことを好み、40%は他言語のウェブサイトからは決して購入しない(CSA Research、Can’t Read, Won’t Buy 2020。29か国の消費者8,709人、入手可能な最新データ)。言語サービス業界の規模は2025年に726億ドルに達し、上位プロバイダーの39%がすでにAI吹き替えを提供している(Nimdzi 100、2026年)。当社のAI吹き替え統計では、この変化のメディア面を取り上げている。
| 指標 | 値 | 出典 |
|---|---|---|
| 自国語での製品情報を好む消費者 | 76% | CSA Research、2020年 |
| 他言語のサイトからは決して購入しない消費者 | 40% | CSA Research、2020年 |
| 言語サービス業界の規模、2025年 | 726億ドル | Nimdzi 100、2026年 |
| AI吹き替えを提供する言語サービスプロバイダー | 39% | Nimdzi 100、2026年 |
| 主要なAI動画プラットフォームが対応する言語・方言 | 175以上 | HeyGen、2026年 |
数字で見る企業研修・解説動画のAIナレーション(まとめ)
| 指標 | 値 | 出典 |
|---|---|---|
| 音声生成AI/何らかの形でAIを利用するL&D担当者 | 63%/87% | Synthesia、AI in L&D Report 2026 |
| 研修にAIツールを使う組織 | 37%(25%から) | Training誌、2025年 |
| AIを検討または統合しているL&D担当者 | 71% | LinkedIn、2025 Workplace Learning Report |
| 米国の研修支出 | 1,028億ドル | Training誌、2025年 |
| 従業員1人あたりの直接的な学習支出、2025年 | 846ドル(1,254ドルから) | ATD、2026 State of the Industry |
| 従業員1人あたりの正式な学習時間、2025年 | 16.7(13.7から) | ATD、2026 State of the Industry |
| オンラインで提供された研修時間 | 34% | Training誌、2025年 |
| AI音声ジェネレーター市場、2025年から2031年 | 41億6,000万ドルから207億1,000万ドル | MarketsandMarkets |
| AI音声ジェネレーター市場、2030年予測 | 218億ドル | Grand View Research |
| Synthesiaの企業価値/Fortune 100の顧客 | 40億ドル/90% | Synthesia、2026年1月 |
| HeyGenのARR | 2億ドル(2026年6月) | HeyGen |
| ElevenLabsのARR、2025年末 | 3億3,000万ドル超 | ElevenLabs |
| AIと従来型の教材動画の制作時間 | 3〜4時間と12〜24時間 | Netlandほか、2025年 |
| AIアバター学習と自主的なオンライン学習のテスト点数 | 10.63対8.92 | Bakhtiariほか、2026年 |
| 人間と判断されたAI音声クローン | 58%(本物の声は62%) | Lavanほか、PLOS ONE 2025年 |
| 指導動画で人間の話者を好む | 87% | TechSmithの調査 |
| AIツールを使う動画マーケター | 63% | Wyzowl、2026年 |
| 動画マーケターに占める解説動画 | 68% | Wyzowl、2026年 |
| 自国語を好む消費者 | 76% | CSA Research、2020年 |
| AI吹き替えを提供するLSP | 39% | Nimdzi 100、2026年 |
方法論と出典
上記のすべての数値は、それを作成した組織または学術誌まで遡って確認した。報道機関を通じてしか入手できなかった数値については、出典に両方を明記している。一次資料まで遡れなかった広く流布している数字は除外した。その中には、AI動画とスタジオ動画の1分あたり制作コストに関する主張や、日付のないリスト記事に見られる「研修の何%がAIナレーションになった」という複数の数字が含まれる。
- Synthesia:AI in Learning and Development Report 2026(回答者421人、2025年10月から11月)、シリーズE発表(2026年1月)、シリーズD発表(2025年1月)、ARR 1億ドル達成の発表(2025年4月)、研修動画の統計(2023年のユーザー調査)
- HeyGen:HeyGen、ARR 2億ドルを突破(2026年)
- ElevenLabs:シリーズD発表(2026年2月)
- ATD:Highlights from ATD’s 2026 State of the Industry Reportおよび2026 State of the Industry Report indicates latest TD trends
- Training誌:2025 Training Industry Report
- LinkedIn:2025 Workplace Learning Report
- Brandon Hall Group:AI-Powered Learning、The Learning Revolution調査
- TalentLMS:2026 L&D Report(米国の人事マネージャー101人と米国の従業員1,000人、2025年9月)
- KalturaとIntelliVid Research:State of AI Video in the Enterprise(2025年10月)
- Wyzowl:State of Video Marketing 2026
- TechSmith:動画統計と視聴者調査
- MarketsandMarkets:AI Voice Generator Market 2025-2031、Grand View Research:AI Voice Generators Market Report、The Business Research Company:AI Voice Generator Global Market Report
- Nimdzi:The 2026 Nimdzi 100およびLanguage Technology Market Size
- CSA Research:Consumers Prefer their Own Language(2020年)
- 査読付き研究:Netlandほか、Computers and Education 2025年、実在の講師とAI生成の講師、人間の声と合成音声、Education and Information Technologies 2026年、Arkün-KocadereとÇağlar-Özhan、IRRODL 2024年、Bakhtiariほか、Frontiers in Psychology 2026年、Tomlinsonほか、Scientific Reports 2026年、CraigとSchroeder、Computers and Education 2017年、Lavanほか、PLOS ONE 2025年
- Edison Research(SSRS)によるSpoken向け調査:AIオーディオブックナレーション調査(2026年7月)、Twilio:AIの開示と透明性に関する調査(2026年)、およびCX Diveが報じた2025年11月の音声検出に関する調査結果
- データウォッチ:AI音声市場の予測は、対象範囲の違いにより大きく食い違っている(MarketsandMarketsの2031年までに207億1,000万ドルとGrand View Researchの2030年までに218億ドルに対し、The Business Research Companyは2030年までに56億5,000万ドル)。本稿では平均せずに3つすべてを掲載した。ATDとTraining誌は、測定対象の集団とコストの基準が異なるため、1人あたり支出の方向性で食い違っている。SynthesiaのL&D調査には、著者自身が認めるアーリーアダプター寄りの偏りがあり、2023年の制作時間調査は自社ユーザーから得たベンダーのデータである。より新しい独立した制作時間のベンチマークが望まれる。ベンダーのARR、Fortune 100の割合、企業価値は自己申告の数字である。3〜4時間と12〜24時間という制作時間の比較は、1件の研究における研究者自身の推定値であり、論文の全文ではなく、2025年のarXivレビュー(arXiv 2509.00709)が報告した内容として読んでいる。TechSmithは、87%と75%という数字の調査年を明示していない。Twilioの90%という検出の数字はCX Dive経由で読んだものであり、Twilioの2026年の透明性に関する投稿はテキストベースのAIに同様の90%という数字を適用しているため、両者は異なるテストを指している可能性がある。CSA Research(2020年)とCraigとSchroeder(2017年)は、入手可能な最新データとして掲載している。学習成果に関する研究の大半は、職場研修の従業員ではなく学生やオンラインパネルを対象としている。
最終更新日:2026年10月3日。当社はこのまとめを四半期ごとに更新しており、次回の更新は、ATDが2027年のState of the Industryレポートを公開し、Training誌が2026年のTraining Industry Reportを発表する時期を予定している。