评估与个性化定制不同物理形态下用于正念冥想的文本转语音用户感知质量
人机交互
2024-01-09 v1 人工智能
机器人学
摘要
基于正念的疗法已被证明能有效改善心理健康，而基于技术的方法有潜力扩大这些疗法的可及性。为了在这些方法中实现正念练习的实时个性化内容生成，需要高质量的计算机合成文本转语音（TTS）声音来提供口头指导并对用户表现和偏好做出响应。然而，目前最先进的TTS声音在用于需要情感表达的正念冥想引导时，其用户感知质量尚未得到评估。此外，关于物理形态和个性化对正念冥想中TTS声音用户感知质量影响的研究也尚未开展。为此，我们设计了一项两阶段人类受试者研究。在第一阶段，一项在线Mechanical Turk受试者间研究（N=471）在三种不同的物理形态设置（无智能体、对话智能体、社交辅助机器人）下，由远程参与者评估了3种（女性化、男性化、儿童化）最先进的TTS声音与2种（女性化、男性化）人类治疗师声音。基于第一阶段的发现，在第二阶段的一项现场受试者内研究（N=94）中，我们使用了一个我们开发的新颖框架，根据用户偏好对TTS声音进行个性化定制，并评估了与第一阶段中评分最高的非个性化声音相比的用户感知质量。我们发现，评分最高的人类声音被认为优于所有TTS声音；TTS声音的情感表达能力和自然度评分较低，而用户对TTS声音的清晰度感到满意。令人惊讶的是，通过允许用户微调TTS声音特征，用户个性化定制的TTS声音表现几乎与人类声音一样好，这表明用户个性化可能是一种简单且非常有效的工具，可用于提高TTS声音的用户感知质量。
引用
@article{arxiv.2401.03581,
title = {Evaluating and Personalizing User-Perceived Quality of Text-to-Speech Voices for Delivering Mindfulness Meditation with Different Physical Embodiments},
author = {Zhonghao Shi and Han Chen and Anna-Maria Velentza and Siqi Liu and Nathaniel Dennler and Allison O'Connell and Maja Matarić},
journal= {arXiv preprint arXiv:2401.03581},
year = {2024}
}
备注
Published in Proceedings of the 2023 ACM/IEEE International Conference on Human-Robot Interaction, pp. 516-524. 2023