Investigadores del Instituto de Tecnología de Tokio y Riken, Japón, han obtenido nuevos conocimientos sobre cómo percibimos e interactuamos con la voz de varias máquinas. El equipo realizó una metasíntesis y su recomendaciones proporcionar nueva información sobre las preferencias humanas, que los ingenieros y diseñadores pueden utilizar para desarrollar futuras tecnologías de voz.
Los seres humanos se comunican principalmente de forma vocal y auditiva, transmitiendo todo, desde información lingüística hasta estados emocionales y personalidades. La percepción de nuestra voz depende en gran medida del tono, el ritmo y el tono.
Combinación de varios campos para crear un marco
Nuestras interacciones ahora se están expandiendo a agentes informáticos, interfaces y entornos debido a los avances en las tecnologías de IA. La investigación a menudo se lleva a cabo en los campos de interacción hombre-agente (HAI), interacción hombre-robot (HRI), interacción hombre-computadora (HCI) y comunicación hombre-máquina (HMC).
El equipo de investigadores buscó comparar los hallazgos de varios estudios en los diferentes campos, buscando crear un marco para guiar el diseño y la investigación futuros sobre la voz de la computadora.
La profesora asociada Katie Seaborn de Tokyo Tech fue la investigadora principal.
“Los asistentes de voz, los parlantes inteligentes, los vehículos que pueden hablarnos y los robots sociales ya están aquí”, dice el profesor Seaborn. “Necesitamos saber cuál es la mejor manera de diseñar estas tecnologías para que trabajen con nosotros, vivan con nosotros y se ajusten a nuestras necesidades y deseos. También necesitamos saber cómo han influido en nuestras actitudes y comportamientos, especialmente de manera sutil e invisible”.
La encuesta del equipo analizó artículos de revistas revisados por pares y artículos de conferencias basados en actas con un enfoque en la percepción del usuario de la voz del agente. Los materiales de origen incluían una variedad de tipos y tecnologías de agentes, interfaces y entornos, y la mayoría eran voces informáticas “sin cuerpo”, agentes informáticos y robots sociales.
La mayoría de los usuarios eran estudiantes universitarios y adultos, y los investigadores pudieron observar y mapear patrones antes de sacar conclusiones sobre las percepciones de la voz del agente en una variedad de contextos de interacción.
Los hallazgos del equipo
Los resultados del estudio demostraron que los usuarios antropomorfizaron a los agentes con los que interactuaban y preferían interacciones con aquellos que eran similares a su personalidad y estilo de hablar. El estudio también mostró que se preferían las voces humanas a las sintéticas, y la interacción se mejoró al agregar rellenos vocales.
Según la encuesta, las personas preferían voces humanas, felices y empáticas con tonos más altos. Sin embargo, algunas de las preferencias de los usuarios cambiaron con el tiempo. Por ejemplo, la preferencia del usuario por el género de la voz cambió de voces masculinas a voces femeninas.
Los investigadores tomaron estos hallazgos y crearon un marco de alto nivel para clasificar diferentes tipos de interacciones a través de tecnologías basadas en computadoras.
Otro hallazgo fue que los usuarios a menudo percibían mejor a los agentes cuando los agentes estaban encarnados, con la voz “coincidiendo” con el cuerpo de la agencia.
La encuesta del equipo podría usarse para la creación de tecnologías nuevas y existentes en la interacción entre agentes humanos basada en voz (vHAI).
“Se espera que la agenda de investigación que surgió de este trabajo guíe cómo se desarrollan y estudian los agentes, las interfaces, los sistemas, los espacios y las experiencias basados en la voz en los años venideros”, dice el profesor Seaborn.