ロボットとの会話では人間らしいロボットが好まれる、研究結果

東京工業大学と理化学研究所の研究者は、さまざまな機械の音声に対する私たちの認識と交流について新たな洞察を得ました。研究チームはメタシンセシスを実施し、その研究結果は、人間の好みについて新たな情報を提供し、エンジニアやデザイナーが将来の音声技術を開発する際に活用できるものです。

人間は主に声でコミュニケーションをとり、言語情報から感情状態や個性までさまざまな情報を伝えます。声の認識は大きくは調子、リズム、音程に依存しています。

さまざまな分野を組み合わせてフレームワークを作成する

私たちの交流は、AI技術の進歩により、コンピューターエージェント、インターフェース、環境と拡大しています。研究は、人間とエージェントの交流（HAI）、人間とロボットの交流（HRI）、人間とコンピューターの交流（HCI）、人間と機械のコミュニケーション（HMC）などの分野で行われます。

研究チームは、さまざまな分野の研究結果を比較し、コンピューターの音声に関するフレームワークを作成しようとしました。

東京工業大学のケイティ・シーボーン准教授がリード研究者でした。

「ボイスアシスタント、スマートスピーカー、会話できる車、ソーシャルロボットはすでに存在しています。私たちは、これらの技術を私たちと共に生き、働き、必要なニーズを満たすように設計する方法を知る必要があります。さらに、これらの技術が私たちの態度や行動に与える影響についても知る必要があります」とシーボーン教授は述べています。

研究チームの調査は、ピアレビュー済みのジャーナル論文や会議論文を対象とし、エージェントの音声に対するユーザーの認識に焦点を当てました。調査対象となった資料には、さまざまなエージェント、インターフェース、環境の種類や技術が含まれており、ほとんどが「ボディーレス」のコンピューターボイス、コンピューターエージェント、ソーシャルロボットでした。

調査対象となったユーザーは、主に大学生や大人でした。研究者は、エージェントの音声に対する認識のパターンを観察し、さまざまな交流の状況で結論を導き出すことができました。

研究チームの発見

研究の結果は、ユーザーが交流するエージェントを擬人化し、自分と似た個性や話し方のエージェントと交流することを好むことを示しました。研究では、人間の声が合成音声よりも好まれることや、ボイスフィラーを追加することで交流が改善されることも示されました。

調査結果によると、個人は人間らしい、幸せで、共感的な声、そして高い音域の声が好まれることが分かりました。しかし、一部のユーザーの好みは時間の経過とともに変化しました。たとえば、声の性別の好みは、男性の声から女性の声へと変化しました。

研究者は、これらの結果をもとに、コンピューターベースの技術におけるさまざまな交流の種類を分類するためのハイレベルなフレームワークを作成しました。

別の発見は、ユーザーがエージェントをよりよく認識することができたのは、エージェントが実体を持っていた場合、つまり声がエージェントのボディに「マッチ」していた場合でした。

研究チームの調査は、音声ベースの人間エージェント交流（vHAI）における新しい技術や既存の技術の開発に利用できる可能性があります。

「この研究から生まれた研究アジェンダは、将来的に音声ベースのエージェント、インターフェース、システム、スペース、体験が開発され研究される方法を導くことが期待されています」とシーボーン教授は述べています。