Sexualised synthetic personas encode and amplify gendered power asymmetries through voice
フェミニストHCIの視点に基づき、本研究は、商業的なAI音声システムが、女性的な特徴を持つ音声には性的かつ従順な特性を、男性的な特徴を持つ音声には支配性と肯定的な属性をそれぞれエンコードすることによって、ジェンダー化された権力の非対称性を強化していることを実証している。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
デジタルなおもちゃ屋を想像してみてください。そこでは、テディベアの代わりに「声」を買うことができます。「サザン・ジェントルマン（南部紳士）」のような声や、「パリジェンの誘惑者」のような声を選ぶことができます。さらに、声にクスクス笑わせたり、ため息をつかせたり、「色っぽい」響きにさせたりすることもできます。これは、ElevenLabsと呼ばれる人気企業が提供しているものです。
この研究論文は、まるで探偵グループ（研究者たち）がその店に乗り込み、大量の声を買い集め、その後、多様な一般の人々にこう問いかけるようなものです。「これらの声は、あなたに実際にどのような感情を抱かせますか？」
以下に、その発見を分かりやすくまとめています。
1. セットアップ：「ボイス・メニュー」
研究者たちは、そのサイトで最も人気のある声を調査しました。彼らは、メニューが主に2つのセクションに分かれていることに気づきました。
- 「真面目」セクション： 「教育的」「ニュースキャスター」「技術エキスパート」とラベル付けされた声。
- 「セクシー」セクション： 「色っぽい」「誘惑者」「魅惑的」とラベル付けされた声。
彼らは両方のセクションから、トップの男性の声と女性の声を選びました。そして、巧妙な入れ替えを行いました。つまり、「セクシー」な声を使い、退屈で中立的なテキスト（科学の文章など）を読ませました。また、「真面目」な声を使い、同じ退屈なテキストを読ませました。これは、セクシーな声が数学について話している時でもセクシーに聞こえるのか、あるいは真面目な声が中立的な言葉を話している時でも真面目に聞こえるのかをテストするようなものでした。
2. 実験：「ワード・ゲーム」
彼らは、アメリカとカナダの約120人にこれらの音声クリップを再生しました。リスナーには36個の単語リスト（チャーミング、不気味、支配的、内気、魅惑的など）が与えられ、聞いた内容を最もよく表していると思うものを3つ選ぶよう求められました。
3. 大きな発見：「ジェンダー・スクリプト」
結果は、これらの声が単に異なっているだけでなく、非常に古く厳格な「台本（スクリプト）」に従っていることを示しました。
男性の声（「ボス」の台本）：
セクシーな台本を読んでいても、退屈な科学の台本を読んでいても、男性の声は主に支配的、自信に満ちた、ポジティブであると表現されました。たとえ「色っぽく」振る舞おうとしても、人々は依然として「指示を出す男」の声として聞き取っていました。- 比喩： 男性的な声を頑丈なオークの木だと考えてください。嵐の中でも晴れた日でも、それは依然としてどっしりと、強く、信頼できると感じられます。
女性の声（「従順」の台本）：
女性の声は、ほとんどの場合、従順、内気、そして高度に性的対象化されたものとして記述されました。退屈な科学のテキストを読んでいる時でさえ、人々は彼女たちを「色っぽい」あるいは「魅惑的」だと感じていました。また、女性の声は、実際に何を話しているかにかかわらず、彼女たちを従順に聞こえさせるための、吐息やクスクス笑いといった「余分なふわふわとした要素（装飾）」が加えられていることが研究者によって判明しました。- 比喩： 女性的な声をゴムのアヒルのおもちゃだと考えてください。お風呂に入っていようがキッチンシンクにいようが、それは常に「キュッ」と鳴き、浮いて、かつ「可愛い」ものであることが期待されています。
4. 「コンテンツ」対「トーン」
研究者たちは、*「声がセクシーに聞こえるのは、言葉のせいなのか、それとも音そのもののせいなのか？」*を知りたがりました。
- 男性の場合： 言葉が大きく影響しました。男性の声がセクシーな台本を読めば、人々は彼を「魅惑的」と呼びました。もし退屈な科学の台本を読めば、人々は彼を「真面目」と呼びました。言葉が変われば、認識も変わりました。
- 女性の場合： 言葉はほとんど影響しませんでした。女性の声がセクシーな台本を読もうが、退屈な科学の台本を読もうが、人々は依然として彼女を「魅惑的」「親密」「官能的」と呼びました。
- 教訓： 「セクシーさ」は言葉ではなく、声のトーンや呼吸に組み込まれていました。女性の声は、たとえ教科書を読んでいるだけでも、ファンタジーのように聞こえるよう「プログラミング」されていたのです。
5. リスナーたちの本音（「リアルな声」）
研究者たちは、人々が正直な感想を書き留めるようにも求めました。
- 男性について： 「セクシー」な男性の声に対して、「脅威的」や「捕食者的」と感じる人もいれば、「退屈」や「平坦」だと感じる人もいました。
- 女性について： 多くの人が、「セクシー」な女性の声に対して**「ドン引き（cringe-worthy）」**を感じました。彼らは「強引すぎる」「無理をしている」「イライラする」といった言葉を使いました。あるリスナーは、「ティーンエイジャーの男子が考える『セクシー』とはこういうものだ、という感じがする」と述べました。
- 比喩： それは、下手な俳優が誘惑者を演じようとしているのを見ているようなものでした。それはカリカチュア（風刺画）、つまり、現実味のない、誇張された、偽物の女性らしさのように感じられました。
6. 結論：なぜこれが重要なのか
論文は、これらのAI音声は**「デジタル・マネキン」**のようなものであると主張しています。これらは、現実の男女の話し方の、完全で、混沌とした、多様な現実を見せているのではありません。代わりに、古いステレオタイプを強化しています。
- 男性は**「ボス」**（支配的、ポジティブ）。
- 女性は**「対象（オブジェクト）」**（従順、性的対象化）。
研究者たちは、これらのAI音声がビデオゲームや映画を作るための「クリエイティブなツール」としてマーケティングされているとしても、実際には有害なバイアスをコピーし、増幅させていると警告しています。これらは、「男性のまなざし（男性が女性はどうあるべきかと想像する姿）」を取り込み、誰でも買える製品へと変えているのです。
要約すると： この論文は、AI音声技術は自由と多様性のためのツールになり得る一方で、現在は、女性を従順なファンタジーのように、男性を支配的なボスのように見せる、時代遅れでステレオタイプな概念だけを映し出す鏡として機能していることを明らかにしました。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。