指令引导语音合成模型中的性别偏见

近期可控表达语音合成技术的进展，尤其是文本转语音 (TTS) 模型，使我们能够生成特定风格由文本描述引导的语音。尽管这一发展增强了合成语音的灵活性和自然性，但仍存在一个显著的知识差距：即这些模型如何处理模糊或抽象的风格提示。本研究探讨了这些模型在解释与性别相关提示时是否存在偏见，具体检验其对类似“像个护士一样”这样的指令作出的响应。我们探讨了这些模型是否倾向于在解释此类提示时放大性别刻板印象。我们的实验结果揭示，模型在解读某些职业时表现出性别偏见。此外，不同规模的模型在这些职业方面的偏见程度各不相同。