从“看见”到“体验”：交互式评估人类-人工智能语音交互中的交叉性语音偏见
人机交互
2026-04-16 v1 计算与语言
摘要
语音LLMs直接从音频处理语言，但语音 Accent 和 vocal identity 线索可能导致偏差行为。当前的偏差评估往往忽略了此类偏见在端到端语音交互中的呈现方式以及用户如何体验它。我们区分了质量服务差异（如离题或低效响应）与连贯输出中的内容层面偏见，并检验了 Accent 与 perceived gender 的交叉效应。本文我们探讨了两种-partial evaluation 方法：（1）跨六种 Accent 和两种 gender presentations 的受控测试队列，采用无评判导向的提示-响应指标进行分析；（2）使用语音转换的交互式研究设计，让用户通过不同的 vocal identity 体验identical content。我们进行了两项研究（交互式，N=24；观察性，N=19），发现语音转换会增加对善意响应的信任与可接受性，并促进视角转换；而自动化分析寻找质量服务差异，揭示了 accent × gender 在 alignment 和 verbosity 方面的差异。这些结果凸显了语音转换用于探测和体验交叉性语音偏见的潜力，而我们的评估套件为口语对话式AI提供了更丰富的偏差评估。
引用
@article{arxiv.2604.13067,
title = {From Seeing it to Experiencing it: Interactive Evaluation of Intersectional Voice Bias in Human-AI Speech Interaction},
author = {Shree Harsha Bokkahalli Satish and Maria Teleki and Christoph Minixhofer and Ondrej Klejch and Peter Bell and Éva Székely},
journal= {arXiv preprint arXiv:2604.13067},
year = {2026}
}
备注
6 pages, 3 figures, 1 table, Accepted to CHI Extended Abstracts Poster session 2026