Talking Spell：一种 enabling 与日常物体实现实时拟人化语音交互的可穿戴系统
人机交互
2025-09-03 v1
摘要
虚拟助理（VAs）已成为日常生活中无处不在的组成部分，集成到智能手机和智能设备中，催生了对增强用户体验并培养情感联系的人工智能伴侣的热潮。然而，现有的伴侣往往嵌入特定物品中——例如眼镜、智能家居助手或玩偶——用户需要与不熟悉的物品建立情感联结，这可能导致参与度下降和疏离感。为此，我们引入Talking Spell，一种可穿戴系统，使用户能够通过以用户为中心的辐射网络为日常物品赋予语音和拟人化人格。利用先进的计算机视觉技术（例如YOLOv11进行目标检测）、大型视觉语言模型（例如QWEN-VL进行人格生成）、语音识别和语音合成技术，Talking Spell引导用户经历三个建立情感联系的阶段：熟悉、适应和依恋。我们通过12名参与者的用户研究进行了系统验证，利用Talking Spell探索了四种交互意图：娱乐、陪伴、实用和创造。结果表明，其在培养与日常物品的有意义交互和情感意义方面效果显著。我们的发现表明，Talking Spell能够创造出引人入胜且个性化的体验，各种设备从配件到必需品都有所展示。
引用
@article{arxiv.2509.02367,
title = {Talking Spell: A Wearable System Enabling Real-Time Anthropomorphic Voice Interaction with Everyday Objects},
author = {Xuetong Wang and Ching Christie Pang and Pan Hui},
journal= {arXiv preprint arXiv:2509.02367},
year = {2025}
}