The effect of perceived human-likeness on voice-user interface–directed speech
Notice bibliographique
Résumé
Many interact daily with voice–user interfaces (VUIs), but acoustic research on VUI-directed speech (VDS) is relatively new. Prior work indicates intensity and F0 correlate with VDS [Cohn et al., 2022, JPhon 90]. Multiple acoustic variables of VDS were analyzed to explore if VDS is a register distinct from human-directed speech (HDS) and whether perceived human-likeness of VUI voices affects VDS characteristics. 27 participants’ Zoom recordings of 13 pre-scripted prompts and pre-recorded responses from two Amazon AWS-Polly-generated VUI voices (rated for human-likeness independently and by participants) were acoustically analyzed for word-initial voiceless plosives voice onset time (VOT), pitch variation, and vowel quality and quantity. Results of linear mixed-effects models indicate evidence of VDS-specific acoustic characteristics, some of which are affected by participants’ perceived human-likeness of the voices. Differences in pre-exposure and VUI interactions occur for /p/ VOT in consonant clusters, vowel duration (except /ɪ/), and /ɑ/ F2. Statistical differences are found for /p/ VOT in consonant clusters and vowel quality (e.g., /ɑ/ F1 and F2, and /ɪ/ F2) based on perceived human-likeness by participants. This study contributes to the growing VDS work examining how humans speak with devices and what affects VDS, which may influence considerations of VUI voice development.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».