カラオケの音程採点はどう決まる？仕組みをやさしく解説

カラオケの点数はなんとなく出ているわけではなく、歌声を毎秒何十回も分析して計算されています。この記事では、音程採点を自社開発している Utavie の知見をもとに、「点数がどう決まるのか」を専門用語を噛み砕いて解説します。仕組みを知っておくと、どこを練習すれば点が伸びるのかが具体的に見えてきます。

採点の大まかな流れ: 声→ピッチ→お手本と比較

どのカラオケ採点も、内部でやっていることは大きく3段階に分かれます。まず、マイクで拾った声の波形から「今どの高さの音を出しているか（ピッチ、基本周波数）」を検出します。次に、検出したピッチを曲のお手本メロディ（ガイドメロディ）と時間軸で並べて比較します。最後に、どれだけ一致していたかを観点ごとに集計し、重み付けして総合点にします。

つまり採点機は「歌が上手いか」を感覚で判定しているのではなく、「お手本のメロディにどれだけ忠実だったか」を数値で測っています。ここを誤解していると、「感情を込めて歌ったのに点が低い」という行き違いが起きます。感情表現そのものではなく、感情表現の結果として現れる音量変化やテクニックが数値として測られている、と考えるのが正確です。

採点を構成する5つの観点

• 音程（ピッチ）: お手本のメロディと歌声の高さがどれだけ合っているか。配点が最も大きい中心的な指標です。
• 安定性: ロングトーン（伸ばす音）が揺れずに保たれているか。声の震えや息切れによるふらつきが減点対象になります。
• 表現: 声の強弱（抑揚）や、休符での止め方など、メリハリがついているか。一本調子で歌うと伸びません。
• テクニック: ビブラート・しゃくり・こぶし・フォールなどの歌唱技法が検出されると加点されます。
• リズム: 歌い出しのタイミングがお手本とずれていないか。走り（早い）・もたり（遅い）の両方が見られます。

観点ごとの重みは採点システムによって異なりますが、共通して言えるのは「音程の配点が突出して大きい」ことです。テクニックや表現は音程の土台の上に乗る加点要素であって、音程が崩れた状態でいくらビブラートをかけても総合点は伸びません。

点数の出し方: 5つの観点をどう100点に合計するか

「採点の基準」と聞いてまず思い浮かぶのは音程の合わせ方そのものですが、実際にはもう一段、5つの観点をどう100点に合計するかという配点のルールがあります。Utavie の場合、音程45点・安定性18点・表現15点・テクニック12点・リズム10点で合計100点です。各観点はそれぞれ0点からその配点までの範囲でスコアが決まり、5つを単純に足し合わせたものが総合点になります。

配点の大小がそのまま総合点への影響度になる、という点が重要です。たとえば音程が半分しか合っていないときの失点（45点の半分＝22.5点）は、テクニックがまったく検出されなかったときの失点（12点）よりずっと大きくなります。結果画面のゲージが「低い」かどうかだけで判断せず、その観点の配点がそもそも何点なのかを合わせて見ることが、正しい練習の優先順位づけの前提になります。

「加点」という言葉の意味: テクニックだけ仕組みが違う

5つの観点のうち、音程・安定性・表現・リズムの4つは「お手本とどれだけズレたか」を測って配点から差し引いていく減点方式です。歌えば歌うほど点が増えるのではなく、ズレがなければその観点の配点をまるごと維持できる、という考え方になります。

これに対してテクニック（12点）だけは仕組みが逆で、ビブラート・しゃくり・こぶし・フォールを検出できた分だけ点を足していく加点方式です。何も検出されなくても0点になるだけで、他の観点のように減点されるわけではありません。「加点の意味」を聞かれたときにまず押さえておきたいのは、この1軸だけが足し算で、残り4軸は引き算だという違いです。技ごとの配点や、回数を重ねても点が増えなくなる上限の詳細は、別記事「テクニック加点の配点と上限を知る」にまとめています。

音程は「セント」という細かい単位で測る

音程の判定は、半音をさらに100分割した「セント」という単位で行います。1半音＝100セントです。歌った高さがお手本から何セントずれているかを、短い時間刻みごとに細かく測ります。判定は5段階です。±12.5セント以内は「パーフェクト」、±25セント以内は「グレート」、±50セント以内は「グッド」、±100セント（半音）以内は「OK」、それを超えると「ミス」と判定されます。歌唱中や結果画面に表示される判定ラベルは、ここで説明した5段階のことです。

±12.5セントというのは半音の8分の1です。「そんな細かい違い、分かるわけがない」と思うかもしれませんが、人間の耳は訓練しなくても数セント〜十数セントのズレを「なんとなく気持ち悪い」と感じ取ります。採点機はその「なんとなく」を数値化しているだけで、理不尽に厳しいわけではありません。

ピッチ検出はどうやっているのか

マイクで拾った音声の波形から歌声の高さを推定する処理は「ピッチ検出（基本周波数推定）」と呼ばれ、採点の心臓部です。古典的には波形の周期性を数学的に調べる方法が使われてきましたが、近年は機械学習モデルでピッチを推定する方式が主流になりつつあります。Utavie も学習ベースのピッチ検出エンジンをブラウザ上で動かしており、雑音や声のかすれがあってもある程度頑健に高さを追跡できます。

ただし、どんな検出エンジンにも苦手な状況はあります。スピーカーから流れる伴奏をマイクが拾って声と混ざる、ささやき声のように声帯の振動が弱い、複数人の声が同時に入る——こうした条件ではピッチが正しく取れず、実力と関係なく点がぶれます。採点を使うときにイヤホン推奨とされるのはこのためです。

なぜ「歌えているのに低い」が起きるのか

よくある原因は3つです。(1) ロングトーンの終わりで息が続かず音程がぶら下がる、(2) 歌い出しの一瞬だけ音を探ってしまい、判定区間の頭が外れる、(3) 全体的に少しだけ低め（フラット）に歌う癖がある。いずれも数十セント単位のズレで、自分の耳だけでは気づきにくいものです。

対策はシンプルで、「どの区間が外れているかを可視化して、そこだけ直す」ことです。採点アプリのピッチ表示を使えば、お手本の音程バーに対して自分の声がどう動いたかが目で見えます。外れている場所が分かれば、練習はその区間の反復だけで済みます。全曲を漫然と歌い直すより、はるかに効率的です。

よくある質問

Q. 声質や声の良し悪しは点数に関係ある？

ほぼ関係ありません。採点が見ているのはピッチ・タイミング・音量変化・テクニックの検出結果であって、「良い声かどうか」を評価する仕組みは基本的に入っていません。ハスキーな声でも、音程が正確なら高得点が出ます。

Q. 採点サービスによって点数が違うのはなぜ？

ピッチ検出の方式、判定の許容幅、観点ごとの配点、ガイドメロディのデータそのものがサービスごとに異なるためです。同じ歌唱でも点差が出るのは自然なことなので、異なるサービス間の点数を直接比べるのではなく、同じサービス内での自分の点数の推移を見るのが正しい使い方です。

Q. オクターブ下げて歌うと減点される？

多くの採点では減点されません。音程判定は「音名が合っているか」を見るため、1オクターブ違いは同じ音とみなされるのが一般的です。高すぎる曲を無理に張り上げるより、オクターブ下げて正確に歌うほうが点は伸びます。詳しくは別記事「キーが高い曲はオク下で歌ってOK？」で解説しています。

• キーが高い曲は「オク下」で歌ってOK？採点への影響を徹底解説
• カラオケの音程バーの見方と合わせ方のコツ｜「歌えてるのにズレる」を解消
• カラオケ採点で点が伸びないときのチェックリスト15項目
• テクニック加点の配点と上限を知る｜ビブラート・しゃくり・こぶしを賢く積む

まずは音程から鍛えるのが近道

5つの観点のうち配点が大きいのは音程です。テクニックを増やすより、まず音程を安定させるほうが総合点は確実に伸びます。お手本のメロディをよく聴き、自分の歌声のピッチがどう動いているかを見ながら、外れる区間を1つずつ潰していきましょう。仕組みが分かれば、採点は「減点される敵」ではなく「弱点を教えてくれるコーチ」になります。