打破二元对立：人机交互中性别模糊声音的系统性回顾

研究背景与问题

• 问题与挑战：研究指出性别化语音系统（例如声助理或机器人）可能强化性别偏见和刻板印象，尤其将许多默认女性语音用于助理角色。近年来，社会对性别多样性和包容性的关注促使研究者开发性别模糊语音，以减少偏见并扩大用户体验。然而，目前对性别模糊语音的定义、创造及用户感知了解有限。
• 重要性：语音界面在日常生活中广泛应用，其设计选择可以深刻影响技术与社会行为之间的互动。此外，将性别化语音视为默认选项可能对性别认同较为复杂的用户群造成排斥。
• 研究动机与相关工作：基于性别理论和语言学领域的研究（例如 Judith Butler 的性别表演理论），人们认识到性别是社会建构的一部分。研究动机是探讨性别模糊语音是否能够减少性别偏见、促进技术包容性，并为人机交互领域开辟新的方向。

解决方案

• 提出的方案：本文系统分析了人机交互领域针对性别模糊语音的研究，总结了36篇文献，重点分析其定义、特征、创造方法、用户感知以及评价方法。此外，作者建议以下具体行动点：
  1. 明确术语定义（如性别模糊、性别中性、非二元）。
  2. 开展关于性别模糊语音的声学分析。
  3. 开发评估性别模糊语音的标准化指标。
  4. 建立性别模糊语音的开源资源库。
  5. 制定创造和使用性别模糊语音的框架。
• 创新之处：
  • 提出了对术语的统一定义，例如将 “性别模糊” 作为首选术语，避免 “性别中性” 和 “性别无” 的误导性表述。
  • 提供了初步的声学分析框架，识别关键语音特征（如音调、共鸣、语音重量）。
  • 设计了标准化的评估方法（比如五分Likert量表）以测量性别模糊语音的用户感知效果。
• 实施步骤及关键技术：
  • 使用两大文献库（ACM数字图书馆和IEEE Xplore）进行系统检索并筛选出相关论文。
  • 从研究中提取对应语音特征并通过声学软件（Praat）进行分析。
  • 通过已开发的人工智能技术（例如Tacotron 2、Google WaveNet）创建或调整语音特性。

研究成果

• 具体成果：
  • 分析了目前已存在的性别模糊语音，并从四个样本中提取了声学数据（音调、语速、抖动值等）。
  • 提出了性别模糊语音相关术语的聚合定义，为研究统一语言奠定基础。
  • 比较了现有语音生成方法，包括商业TTS（如Amazon Polly）和自定义语音生成技术，指出创造性别模糊语音的复杂性。
• 与现有解决方案相比的优势：
  • 强调“性别模糊语音”的使用，而非完全消除性别特性；这更贴合用户多样化的认知习惯。
  • 提供开放资源（例如开源语音库）以促进研究重现性。
  • 提供了实用的评价框架，确保语音设计的包容性和可用性。
• 实验或评估结果：
  • 在用户感知实验中发现，当语音特征融合了音调、共鸣等模糊指标时，部分用户认为这类语音更“模糊”，但此感知受用户性别和文化背景影响。
  • 实验结果表明非二元群体对模糊语音的接受度较高，尤其是具有更倾向女性特征的模糊语音。
• 局限性与未来方向：
  • 本研究仅分析了英语语音，可能未能捕捉跨语言和跨文化的特性差异。
  • 样本量较小（仅分析了四种语音），未来需扩展分析范围以提高泛化性。
  • 未来建议开发更多开源语音库并探索用户对模糊语音特性如友好性、可信度等非性别维度的感知。

总结

这篇论文系统回顾了性别模糊语音在HCI领域的研究现状，为这一新兴领域奠定了重要基础并提供了未来研究方向。通过明确术语、提出声学特征框架和设计评价标准，研究推动了性别模糊语音的创建和应用，以促进技术包容性和社会公平。这些发现对于开发更具代表性和多样性的人机互动技术具有重要意义。