Contexto da pesquisa
Com os recentes avanços em machine learning e inteligência artificial (AI), as vozes sintéticas tornaram-se cada vez mais comuns em nosso cotidiano. Um estudo realizado por pesquisadores do Instituto Max Planck de Estética Empírica (MPIEA), em Frankfurt, revelou que, embora as vozes geradas por AI muitas vezes sejam confundidas com as humanas, suas percepções de atratividade são geralmente inferiores.
Método proposto
Na pesquisa, um total de 75 participantes avaliou diferentes versões de uma frase falada por oito vozes, sendo quatro humanas e quatro geradas por um sistema de texto-para-fala (TTS). Cada voz apresentou a frase em quatro emoções: neutra, feliz, triste ou brava. Os participantes classificaram a atratividade das vozes e a intenção de interagir com elas, além de descreverem a emoção percebida.
Resultados e impacto
As vozes que soaram felizes foram avaliadas de forma mais positiva em comparação com aquelas percebidas como tristes ou bravas, independentemente da origem (humana ou AI). “No geral, vozes que soaram felizes foram avaliadas mais positivamente do que aquelas percebidas como tristes ou bravas, independentemente de serem humanas ou geradas pela AI” (
“Overall, happy-sounding voices were rated more positively than those perceived as sad or angry, regardless of whether they were human or artificially generated.”
— Camila Bruder, Pesquisadora, MPIEA
). As vozes humanas foram identificadas corretamente em 86% das vezes, enquanto as vozes AI tiveram um reconhecimento correto de apenas 55%. Essa dificuldade foi ainda mais pronunciada em vozes AI percebidas como bravas, possivelmente devido à expectativa de que vozes sintéticas sejam “sem emoção”.
Adicionalmente, a idade dos participantes influenciou a capacidade de distinguir as vozes, com os mais velhos apresentando mais dificuldade. A pesquisa destaca o progresso significativo na expressividade e naturalidade das vozes geradas por computador. “No geral, as vozes humanas foram percebidas como mais atraentes e socialmente atraentes do que as sintéticas”, conclui Pauline Larrouy-Maestri, co-autora do estudo (
“Overall, human voices were perceived as more attractive and socially appealing than synthetic ones.”
— Pauline Larrouy-Maestri, Pesquisadora, MPIEA
).
Esse estudo abre portas para a exploração da percepção de vozes e suas aplicações em diversos setores, como atendimento ao cliente, assistentes pessoais e tecnologia de inclusão.
Fonte: (TechXplore – Machine Learning & AI)
