Phi Vũ
New member
Giọng nói nhân tạo ngày càng xuất hiện trong đời sống, nhưng liệu chúng có hấp dẫn như giọng người không? Nghiên cứu mới từ Viện Max Planck và Đại học Nghệ thuật Vienna cho thấy giọng AI thường bị nhầm là giọng người nhưng được đánh giá kém hấp dẫn hơn.
Các nhà nghiên cứu từ Viện Max Planck về Thẩm mỹ Thực nghiệm (MPIEA) ở Frankfurt và Đại học Nghệ thuật Ứng dụng Vienna đã khảo sát xem giọng nói tổng hợp có thể bị phân biệt với giọng người hay không và mức độ hấp dẫn của chúng ra sao. Kết luận chính là giọng AI thường bị nhầm là giọng người nhưng nhìn chung bị đánh giá kém hấp dẫn hơn.
Trong nghiên cứu trực tuyến có 75 người tham gia, mỗi người nghe các phiên bản của cùng một câu được đọc bởi tám giọng — bốn giọng người và bốn giọng tổng hợp (TTS). Mỗi giọng thể hiện bốn cảm xúc: trung tính, vui, buồn và giận dữ. Người tham gia chấm điểm độ hấp dẫn của giọng, mức độ họ muốn tương tác, và mô tả cảm xúc mà họ nhận thấy.
Kết quả cho thấy giọng thể hiện cảm xúc vui được đánh giá tích cực hơn so với giọng buồn hoặc giận, bất kể là giọng người hay giọng tổng hợp. Về phân biệt nguồn giọng, giọng người được nhận diện đúng 86% trường hợp, trong khi giọng AI chỉ được nhận diện đúng khoảng 55% — tức nhiều giọng tổng hợp đã đánh lừa người nghe.
Những sai lầm nhận diện thường gặp nhất xuất hiện khi giọng AI được nghe là giận dữ; điều này có thể đến từ kỳ vọng rằng giọng tổng hợp sẽ thiếu cảm xúc. Nghiên cứu cũng ghi nhận người lớn tuổi gặp khó khăn hơn trong việc phân biệt giọng người và giọng AI, cho thấy khả năng biểu cảm và tính tự nhiên của hệ thống TTS đã tiến bộ đáng kể.
Các tác giả nhấn mạnh sự đa dạng trong đánh giá cá nhân: Camila Bruder (MPIEA) lưu ý giọng vui được đánh giá tích cực hơn, còn Pauline Larrouy-Maestri (MPIEA) kết luận dù giọng người nhìn chung hấp dẫn và dễ gắn kết xã hội hơn, cần nhiều nghiên cứu chi tiết hơn để phản ánh độ phức tạp trong nhận thức giọng nói của con người.
Tham khảo: Camila Bruder và cộng sự, "Attractive synthetic voices", Computers in Human Behavior: Artificial Humans (2025). DOI: 10.1016/j.chbah.2025.100211
Nguồn: https://techxplore.com/news/2025-10-ai-voices.html
Các nhà nghiên cứu từ Viện Max Planck về Thẩm mỹ Thực nghiệm (MPIEA) ở Frankfurt và Đại học Nghệ thuật Ứng dụng Vienna đã khảo sát xem giọng nói tổng hợp có thể bị phân biệt với giọng người hay không và mức độ hấp dẫn của chúng ra sao. Kết luận chính là giọng AI thường bị nhầm là giọng người nhưng nhìn chung bị đánh giá kém hấp dẫn hơn.
Trong nghiên cứu trực tuyến có 75 người tham gia, mỗi người nghe các phiên bản của cùng một câu được đọc bởi tám giọng — bốn giọng người và bốn giọng tổng hợp (TTS). Mỗi giọng thể hiện bốn cảm xúc: trung tính, vui, buồn và giận dữ. Người tham gia chấm điểm độ hấp dẫn của giọng, mức độ họ muốn tương tác, và mô tả cảm xúc mà họ nhận thấy.
Kết quả cho thấy giọng thể hiện cảm xúc vui được đánh giá tích cực hơn so với giọng buồn hoặc giận, bất kể là giọng người hay giọng tổng hợp. Về phân biệt nguồn giọng, giọng người được nhận diện đúng 86% trường hợp, trong khi giọng AI chỉ được nhận diện đúng khoảng 55% — tức nhiều giọng tổng hợp đã đánh lừa người nghe.
Những sai lầm nhận diện thường gặp nhất xuất hiện khi giọng AI được nghe là giận dữ; điều này có thể đến từ kỳ vọng rằng giọng tổng hợp sẽ thiếu cảm xúc. Nghiên cứu cũng ghi nhận người lớn tuổi gặp khó khăn hơn trong việc phân biệt giọng người và giọng AI, cho thấy khả năng biểu cảm và tính tự nhiên của hệ thống TTS đã tiến bộ đáng kể.
Các tác giả nhấn mạnh sự đa dạng trong đánh giá cá nhân: Camila Bruder (MPIEA) lưu ý giọng vui được đánh giá tích cực hơn, còn Pauline Larrouy-Maestri (MPIEA) kết luận dù giọng người nhìn chung hấp dẫn và dễ gắn kết xã hội hơn, cần nhiều nghiên cứu chi tiết hơn để phản ánh độ phức tạp trong nhận thức giọng nói của con người.
Tham khảo: Camila Bruder và cộng sự, "Attractive synthetic voices", Computers in Human Behavior: Artificial Humans (2025). DOI: 10.1016/j.chbah.2025.100211
Nguồn: https://techxplore.com/news/2025-10-ai-voices.html
Sửa lần cuối bởi điều hành viên:
Bài viết liên quan
