arXiv cs.AI· Johanna Magdalena Kuch, Maud van Lier, Daksitha Senel Withanage Don, Patrick Gebhard, Tanja Schneeberger, Elisabeth Andr\'e·· 3 天前AI 评分22
已知声音克隆与角色设计中人格迁移的局限
Known-Voice Cloning and the Limits of Personality Transfer for Character Design
AI 导读
两项研究测试了虚拟角色使用熟悉人物的克隆声音时人格印象是否会迁移，结果显示人格迁移证据有限，效应具有选择性且无法跨特质或研究情境泛化。在线研究中，可识别的语音身份线索激活了说话者预期，但未能重建更完整的人物印象，判断常受感知人工性和声音与外观匹配度影响。
正文 · AI 翻译
摘要：零样本语音克隆系统的最新进展使得从一段简短录音中复现出可辨识的声音，并将其附加到任意虚拟角色上成为可能。先前的研究表明，熟悉的声音身份可以将相关的人格印象传递到机器人或虚拟角色等新目标上。然而，这些研究主要考察的是熟悉度和个性化效应，而非直接检验克隆的熟悉声音是否会系统性地将人格印象传递到具身虚拟角色上。这种传递引发了人们的担忧：克隆声音可能被用来操纵人们，使其将虚拟角色当作有能力的社交主体来互动。通过两项研究，我们考察了当虚拟角色用熟悉人物的克隆声音说话时，人格印象是否会传递。研究 1 在真实的大学环境中，使用参与学生所熟悉的一位讲师的克隆声音来检验这一问题。研究 2 在线上使用社交媒体内容创作者及其社群成员的声音检验了同一问题。基于身份激活、特质传递和人物重构等概念，我们表明两项研究中人格传递的证据都有限。观察到的效应具有选择性，并未在各项特质或研究情境中普遍成立。尤其是在线上研究中，可辨识的声音身份线索激活了对说话者的预期，但并未重构更广泛的人物印象。定性回答进一步表明，判断常常受到感知到的人为性以及声音与外貌是否匹配的影响。我们的发现缓和了常见的担忧，即克隆声音会直接操纵人们将人工角色感知为有能力的社交主体。
| 评论： | 17 页，3 幅图，1 张表。本预印本已被 Connected Futures - Nature, Robots, and Society（Robophilosophy 2026）接收发表，收录于 Lecture Notes in Computer Science（LNCS）系列，第 17299 卷（预计出版时间：2026 年 12 月） |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；人机交互（cs.HC）；机器人学（cs.RO） |
| 引用为： | arXiv:2610.18669 [cs.CL] |
| （或 arXiv:2610.18669v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.18669 arXiv 颁发的 DOI，经由 DataCite（待注册） |
提交历史
来自：Maud Van Lier [查看电子邮件]
[v1]
2026 年 10 月 13 日星期二 16:27:44 UTC（1,322 KB）
来源：arXiv cs.AI · arxiv.org