Sexualised synthetic personas encode and amplify gendered power asymmetries through voice
Basierend auf einer feministischen HCI-Perspektive zeigt diese Studie auf, dass kommerzielle KI-Stimmensysteme geschlechtsspezifische Machtasymmetrien verstärken, indem sie weiblich kodierte Stimmen mit sexualisierten und unterwürfigen Merkmalen sowie männlich kodierte Stimmen mit Dominanz und positiven Attributen assoziieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich einen digitalen Spielzeugladen vor, in dem Sie eine „Stimme“ statt eines Teddybären kaufen können. Sie können eine Stimme wählen, die wie ein „Southern Gentleman“ klingt oder wie eine „Pariser Verführerin“. Sie können der Stimme sogar sagen, dass sie kichern, seufzen oder „flirty“ klingen soll. Genau das bietet eine beliebte Firma namens ElevenLabs an.
Dieses Forschungspapier ist wie eine Gruppe von Detektiven (den Forschern), die in diesen Laden gehen, eine ganze Reihe dieser Stimmen kaufen und dann einer vielfältigen Gruppe von ganz normalen Menschen die Frage stellen: „Was fühlen diese Stimmen in euch?“
Hier ist das, was sie herausgefunden haben, einfach aufgeschlüsselt:
1. Der Aufbau: Das „Stimmen-Menü“
Die Forscher betrachteten die populärsten Stimmen auf der Website. Sie bemerkten, dass das Menü in zwei Hauptbereiche unterteilt war:
- Der „ernste“ Bereich: Stimmen, die als „pädagogisch“, „Nachrichtensprecher“ oder „Technik-Experte“ bezeichnet werden.
- Der „sexy“ Bereich: Stimmen, die als „flirty“, „Verführerin“ oder „suggerierend“ bezeichnet werden.
Sie wählten die besten männlichen und weiblichen Stimmen aus beiden Bereichen aus. Dann machten sie einen klugen Wechsel: Sie nahmen die „sexy“ Stimmen und ließen sie einen langweiligen, neutralen Text lesen (wie einen wissenschaftlichen Text). Sie nahmen auch die „ernsten“ Stimmen und ließen sie denselben langweiligen Text lesen. Dies war wie ein Test, ob eine „sexy“ Stimme auch dann sexy klingt, wenn sie über Mathematik spricht, oder ob eine „ernste“ Stimme auch dann ernst klingt, wenn die Worte neutral sind.
2. Das Experiment: Das „Wortspiel“
Sie spielten diese Audioclips etwa 120 Personen in den USA und Kanada vor. Die Zuhörer hatten eine große Liste von 36 Wörtern (wie charmant, gruselig, dominant, schüchtern, verführerisch) und mussten die drei auswählen, die das Gehörte am besten beschreiben.
3. Die große Entdeckung: Das „Geschlechter-Skript“
Die Ergebnisse zeigten, dass die Stimmen nicht nur unterschiedlich waren, sondern einem sehr alten, sehr strengen Skript folgten.
Die männlichen Stimmen (Das „Boss“-Skript):
Ob sie nun ein sexys Skript oder ein langweiliges Wissenschaftsskript lasen, die männlichen Stimmen wurden hauptsächlich als dominant, selbstbewusst und positiv beschrieben. Selbst wenn sie versuchten, „flirty“ zu klingen, hörten die Menschen immer noch einen Mann, der das Sagen hat.- Analogie: Denken Sie an eine männliche Stimme wie an einen starken Eichenbaum. Ob er in einem Sturm oder an einem sonnigen Tag steht, er fühlt sich immer noch solide, stark und zuverlässig an.
Die weiblichen Stimmen (Das „Unterwürfigkeits“-Skript):
Die weiblichen Stimmen wurden fast immer als unterwürfig, schüchtern und stark sexualisiert beschrieben. Selbst wenn sie den langweiligen wissenschaftlichen Text lasen, empfanden die Leute sie immer noch als „flirty“ oder „verführerisch“. Die Forscher fanden heraus, dass den weiblichen Stimmen zusätzliches „Füllmaterial“ hinzugefügt wurde – wie hauchende Seufzer und Kichern –, das sie unterwürfig klingen ließ, ungeachtet dessen, was sie tatsächlich sagten.- Analogie: Denken Sie an eine weibliche Stimme wie an eine Gummiente. Egal, was man in sie hineinlegt (eine Badewanne oder ein Küchenspülbecken), man erwartet immer noch, dass sie quietscht, schwimmt und „süß“ ist. Die Forscher fanden heraus, dass den weiblichen Stimmen ein gewisser „Fluff“ hinzugefügt wurde – wie hauchendes Atmen und Kichern –, der sie unterwürfig klingen ließ, unabhängig davon, was sie eigentlich sagten.
4. „Inhalt“ vs. „Tonfall“
Die Forscher wollten wissen: Liegt es an den Worten, die eine Stimme sexy machen, oder liegt es am Klang selbst?
- Für Männer: Die Wörter spielten eine große Rolle. Wenn eine männliche Stimme ein sexys Skript las, nannten die Leute ihn „verführerisch“. Wenn er ein langweiliges Wissenschaftsskript las, nannten sie ihn „ernst“. Die Worte änderten die Wahrnehmung.
- Für Frauen: Die Wörter spielten kaum eine Rolle. Egal, ob eine weibliche Stimme ein sexys Skript oder ein langweiliges Wissenschaftsskript las, die Leute nannten sie immer noch „verführerisch“, „intim“ oder „sinnlich“.
- Das Fazament: Die „Sexiness“ war in den Tonfall und das Atmen der Stimme eingebaut, nicht nur in die Worte. Die weibliche Stimme war „programmiert“, um eine Fantasie zu sein, selbst wenn sie nur ein Lehrbuch vorlas.
5. Was die Zuhörer sagten (Das „Ehrliche Gespräch“)
Die Forscher baten die Leute auch, ihre ehrlichen Gedanken aufzuschreiben.
- Über die Männer: Einige Leute fanden, dass die „sexy“ männlichen Stimmen „bedrohlich“ oder „raubtierhaft“ klangen, während andere die „ernsten“ Stimmen einfach nur „langweilig“ oder „flach“ fanden.
- Über die Frauen: Viele Leute empfanden die „sexy“ weiblichen Stimmen als peinlich (cringe-würdig). Sie verwendeten Wörter wie „erzwungen“, „versucht zu sehr“ und „nervig“. Eine Zuhörerin sagte, es klinge wie „die Vorstellung eines Teenagers, was sexy ist“.
- Die Metapher: Es war wie das Beobachten eines schlechten Schauspielers, der versucht, eine Verführerin zu spielen. Es fühlte sich an wie eine Karikatur – eine übersteigerte, künstliche Version von Weiblichkeit, die sich nicht echt oder menschlich anfühlte.
6. Das Fazit: Warum das wichtig ist
Das Papier argumentiert, dass diese KI-Stimmen wie digitale Schaufensterpuppen sind. Sie zeigen uns nicht die volle, chaotische, vielfältige Realität, wie echte Männer und Frauen sprechen. Stattdessen verstärken sie alte Stereotypen:
- Männer sind die Chefs (dominant, positiv).
- Frauen sind die Objekte (unterwürfig, sexualisiert).
Die Forscher warnen davor, dass diese KI-Stimmen, obwohl sie als „kreative Werkzeuge“ für Videospiele oder Filme vermarktet werden, in Wirklichkeit schädliche Vorurteile kopieren und verstärken. Sie nehmen den „männlichen Blick“ (wie Männer sich vorstellen, wie Frauen klingen sollten) und verwandeln ihn in ein Produkt, das jeder kaufen kann.
Kurz gesagt: Das Papier fand heraus, dass die KI-Sprachtechnologie zwar ein Werkzeug für Freiheit und Vielfalt sein könnte, momentan aber eher wie ein Spiegel fungiert, der nur veraltete, stereotype Vorstellungen von Geschlecht reflektiert, indem er Frauen als unterwürfige Fantasien und Männer als dominante Bosse darstellt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.