⚡ electrical engineering

Sexualised synthetic personas encode and amplify gendered power asymmetries through voice

Baseando-se em uma perspectiva de IHC Feminista, este estudo demonstra que sistemas de voz de IA comercial reforçam assimetrias de poder de gênero ao codificar vozes com codificação feminina com traços sexualizados e submissos, enquanto associam vozes com codificação masculina à dominância e atributos positivos.

Autores originais: Alice Ross, Ariadna Sanchez, Elin Kanhov, Catherine Lai, Eva Szekely

Publicado 2026-06-23

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Alice Ross, Ariadna Sanchez, Elin Kanhov, Catherine Lai, Eva Szekely

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma loja de brinquedos digital onde você pode comprar uma "voz" em vez de um urso de pelúcia. Você pode escolher uma voz que soe como um "Cavalheiro Sulista" ou uma "Tentadora Parisiense". Você pode até dizer à voz para dar uma risadinha, suspirar ou soar "sedutora". É isso que uma empresa popular chamada ElevenLabs oferece.

Este artigo de pesquisa é como um grupo de detetives (os pesquisadores) entrando nessa loja, comprando várias dessas vozes e, depois, perguntando a um grupo diversificado de pessoas comuns: "O que essas vozes realmente fazem você sentir?"

Aqui está o que eles descobriram, dividido de forma simples:

1. A Configuração: O "Menu de Vozes"

Os pesquisadores analisaram as vozes mais populares no site. Eles notaram que o menu era dividido em duas seções principais:

A Seção "Séria": Vozes rotuladas como "Educacional", "Âncora de Notícias" ou "Especialista em Tecnologia".
A Seção "Sexy": Vozes rotuladas como "Sedutora", "Tentadora" ou "Sedução".

Eles escolheram as vozes masculinas e femininas mais populares de ambas as seções. Então, fizeram uma troca inteligente: pegaram as vozes "sexys" e as fizeram ler um texto chato e neutro (como uma passagem científica). Eles também pegaram as vozes "sérias" e as fizeram ler o mesmo texto chato. Isso foi como testar se uma voz "sexy" soa sexy mesmo quando está falando sobre matemática, ou se uma voz "séria" soa séria mesmo quando as palavras são neutras.

2. O Experimento: O "Jogo de Palavras"

Eles reproduziram esses clipes de áudio para cerca de 120 pessoas nos EUA e no Canadá. Os ouvintes tinham uma lista grande de 36 palavras (como charmoso, assustador, dominante, tímido, sedutor) e tinham que escolher as três que melhor descreviam o que ouviram.

3. A Grande Descoberta: O "Roteiro de Gênero"

Os resultados mostraram que as vozes não eram apenas diferentes; elas estavam seguindo um roteiro muito antigo e muito rígido.

As Vozes Masculinas (O Roteiro do "Chefe"):
Independentemente de estarem lendo um roteiro sexy ou um roteiro científico chato, as vozes masculinas foram descritas principalmente como dominantes, confiantes e positivas. Mesmo quando tentavam parecer "sedutoras", as pessoas ainda ouviam um homem no comando.
- Analogia: Pense na voz masculina como um carvalho robusto. Esteja ele em uma tempestade ou em um dia ensolarado, ele ainda parece sólido, forte e confiável.
As Vozes Femininas (O Roteiro da "Submissão"):
As vozes femininas foram quase sempre descritas como submissas, tímidas e altamente sexualizadas. Mesmo quando estavam lendo o texto científico chato, as pessoas ainda as ouviam como "sedutoras" ou "sensuais". Até mesmo quando liam textos neutros, as pessoas ainda as percebiam como tal.
- Analogia: Pense na voz feminina como um patinho de borracha. Não importa o que você coloque nela (uma banheira ou uma pia de cozinha), ela ainda é esperada para guinchar, flutuar e ser "fofa". Os pesquisadores descobriram que as vozes femininas tinham um "extra de fofura" adicionado a elas — como suspiros e risadinhas — que as fazia parecer submissas, independentemente do que estavam realmente dizendo.

4. O "Conteúdo" vs. O "Tom"

Os pesquisadores queriam saber: É o conteúdo das palavras que faz a voz parecer sexy, ou é o som em si?

Para os Homens: As palavras importavam muito. Se uma voz masculina lia um roteiro sexy, as pessoas o chamavam de "sedutor". Se ele lia um roteiro científico chato, as pessoas o chamavam de "sério". As palavras mudavam a percepção.
Para as Mulheres: As palavras mal importavam. Quer uma voz feminina lesse um roteiro sexy ou um roteiro científico chato, as pessoas ainda a chamavam de "sedutora", "íntima" ou "sensual".
- A Conclusão: A "sensualidade" estava incorporada no tom e na respiração da voz, não apenas nas palavras. A voz feminina era "programada" para soar como uma fantasia, mesmo quando estava apenas lendo um livro didático.

5. O Que os Ouvintes Disseram (A "Conversa Real")

Os pesquisadores também pediram que as pessoas escrevessem seus pensamentos honestos.

Sobre os Homens: Alguns acharam que as vozes masculinas "sexys" soavam "ameaçadoras" ou "predatórias", enquanto outros acharam que as "sérias" eram apenas "chatas" ou "planas".
Sobre as Mulheres: Muitas pessoas sentiram que as vozes femininas "sexys" eram vergonhosas (cringe). Usaram palavras como "forçadas", "tentando demais" e "irritantes". Um ouvinte disse que parecia "a ideia de um adolescente sobre o que é soar sexy".
- A Metáfora: Era como assistir a um mau ator tentando interpretar uma sedutora. Parecia uma caricatura — uma versão exagerada e falsa de feminilidade que não parecia real ou humana.

6. A Conclusão: Por Que Isso Importa

O artigo argumenta que essas vozes de IA são como manequins digitais. Elas não estão nos mostrando a realidade completa, bagunçada e diversa de como homens e mulheres reais falam. Em vez disso, estão reforçando estereótipos antigos:

Homens são os chefes (dominantes, positivos).
Mulheres são os objetos (submissas, sexualizadas).

Os pesquisadores alertam que, embora essas vozes de IA possam ser comercializadas como "ferramentas criativas" para fazer videogames ou filmes, elas estão, na verdade, copiando e amplificando preconceitos prejudiciais. Elas estão pegando o "olhar masculino" (como os homens imaginam que as mulheres devem soar) e transformando-o em um produto que qualquer um pode comprar.

Em resumo: O artigo descobriu que, embora a tecnologia de voz por IA pudesse ser uma ferramenta de liberdade e diversidade, no momento, ela está agindo principalmente como um espelho que apenas reflete ideias de gênero datadas e estereotipadas, fazendo com as mulheres soarem como fantasias submissas e os homens como chefes dominantes.

Resumo Técnico: Personas Sintéticas Sexualizadas Codificam e Amplificam Assimetrias de Poder de Gênero Através da Voz

Problema
Embora as tecnologias digitais ofereçam espaços potenciais para a exploração da identidade e o empoderamento sexual, o discurso online permanece permeado pela masculinidade tóxica, heteronormatividade e pelo assédio contra mulheres e indivíduos LGBTQ+. Concomitantemente, a emergência de plataformas comerciais de Text-to-Speech (TTS) e "Voice AI" introduziu uma nova arena onde vozes humanas são geradas, personalizadas e vendidas como produtos. Diferente dos assistentes de voz tradicionais projetados para reduzir o atrito em tarefas funcionais, essas plataformas incentivam os usuários a "jogar Pygmalion", estimulando o uso de prompts e a customização de vozes com características paralinguísticas (ex: risadinhas, suspiros) para se adequarem a personas específicas, frequentemente sexualizadas.

O problema central abordado é se esses sistemas comerciais, apesar de oferecerem uma gama aparentemente diversa de prompts (incluindo "sedutor(a)" e "submisso(a)" para vozes codificadas tanto como masculinas quanto femininas), inadvertidamente reproduzem e amplificam as existentes assimetrias de poder de gênero. Especificamente, os autores investigam se a síntese de vozes "sexualizadas" reforça estereótipos binários e heteronormativos, codificando dinâmicas de poder desiguais onde vozes femininas são associadas à submissão e vozes masculinas à dominância.

Metodologia
O estudo emprega uma perspectiva de IHC (Interação Humano-Computador) Feminista para analisar um experimento de escuta envolvendo um grupo diversificado de ouvintes falantes de inglês norte-americano.

Estímulos: Amostras de áudio foram geradas usando a "Voice Library" da ElevenLabs. Os pesquisadores selecionaram vozes populares categorizadas sob adjetivos sexualizados (ex: "flirt", "temptress") e adjetivos não sexualizados (ex: "informative", "presenter"). Para cada gênero (masculino/feminino), a voz mais popular em cada categoria foi selecionada.
Desenho Experimental: Um desenho fatorial 2x2 foi utilizado para isolar o efeito do estilo vocal do conteúdo linguístico.
- Estilo de Voz: Sexualizado (flirt/temptress) vs. Não sexualizado (informative/presenter).
- Conteúdo de Texto: Scripts sexualizados (prompts fornecidos pela plataforma) vs. Texto neutro (trechos do Rainbow Passage modificado).
- Isso resultou em 10 personas de voz distintas, cada uma gravada com ambos os tipos de texto.
Procedimento: Participantes (N=120, recrutados via Prolific) ouviram 30 tentativas aleatorizadas. Para cada amostra de áudio, selecionaram os três adjetivos mais adequados de uma lista equilibrada de 36 palavras (categorizadas como positivas, negativas, dominantes, submissas e sexualizadas). Eles também puderam fornecer comentários opcionais em texto livre.
Demografia dos Participantes: Os participantes foram categorizados em quatro grupos baseados em sua identidade de gênero e atração relatada para garantir a representação de orientações não heterossexuais: (1) Mulheres atraídas por mulheres, (2) Mulheres atraídas apenas por homens, (3) Homens atraídos por homens, e (4) Homens atraídos apenas por mulheres.
Análise: O estudo utilizou análise quantitativa via modelos de regressão de efeitos mistos generalizados (usando lme4 em R) para examinar a distribuição de adjetivos. A análise qualitativa foi realizada em 280 comentários de texto livre. A análise acústica incluiu o cálculo da Frequência Fundamental (F0) média e da taxa de fala.

Principais Resultados
A análise revela assimetrias sistemáticas na forma como os ouvintes percebem as vozes codificadas como masculinas e femininas, mesmo quando o conteúdo linguístico é controlado.

Distribuição de Adjetivos de Gênero:
- Vozes codificadas como masculinas foram significativamente mais propensas a serem descritas com adjetivos dominantes ( $p < .001$ ) e positivos ( $p = 0.0027$ ).
- Vozes codificadas como femininas foram significativamente mais propensas a serem descritas com termos submissos ( $p < .001$ ) e sexualizados ( $p < .001$ ).
- Adjetivos negativos foram distribuídos de forma aproximadamente igual entre os gêneros.
Impacto do Texto vs. Voz:
- Para vozes masculinas, a percepção dos ouvintes foi altamente dependente do conteúdo. Quando o texto sexualizado era usado, adjetivos como "sedutor" ou "estranho/assustador" (creepy) eram comuns; quando o texto neutro era usado, as percepções mudavam para "confiante" ou "sério".
- Para vozes femininas, a percepção de ser "sedutora", "sensual" ou "íntima" persistia independentemente de o texto ser sexualizado ou neutro. Isso sugere que as características prosódicas e paralinguísticas (ex: soprosidade, suspiros) inerentes às vozes femininas "sexualizadas" impulsionam a percepção sexualizada mais do que as palavras faladas.
Demografia dos Ouvintes:
- O Grupo 4 (homens atraídos apenas por mulheres) mostrou padrões distintos: eles foram mais propensos a aplicar adjetivos sexualizados a vozes femininas sexualizadas e menos propensos a aplicar adjetivos negativos a elas em comparação com outros grupos. Também foram mais propensos a escolher palavras positivas para vozes masculinas sexualizadas.
Achados Acústicos:
- Vozes masculinas sexualizadas tiveram uma F0 média menor (70.08 Hz) em comparação com vozes masculinas informativas (110.88 Hz).
- Vozes sexualizadas (ambos os gêneros) foram faladas em um ritmo mais lento (2.4 sílabas/seg) em comparação com vozes informativas (3.8 sílabas/seg).
Feedback Qualitativo:
- Comentários sobre vozes femininas frequentemente descreviam-nas como "irritantes", "forçadas" ou "tentando" ser sexy, com alguns participantes observando que sentiam que eram "fantasias de feminilidade escritas por homens".
- Comentários sobre vozes masculinas variaram de "insípidas" a "predatórias" ou "estupradoras" (rapey), embora uma parte significativa tenha criticado o tom como "monótono".

Principais Contribuições

Evidência Empírica de Viés: O estudo fornece evidências quantitativas e qualitativas de que sistemas comerciais de Voice AI, mesmo oferecendo "paridade de gênero" nas categorias de prompts, codificam e amplificam estereótipos binários e heteronormativos.
Desacoplamento de Conteúdo e Estilo: Ao variar texto e voz de forma independente, os autores demonstram que a sexualização de vozes codificadas como femininas é impulsionada significativamente por características prosódicas e paralinguísticas, não apenas pelo conteúdo semântico da fala.
Perspectiva de IHC Feminista: O trabalho aplica uma lente de IHC Feminista ao TTS, destacando como as tecnologias são moldadas e codificam relações de gênero, mostrando especificamente como o "empoderamento sexual" em interfaces de IA frequentemente recorre a tropos de submissão feminina e dominância masculina.
Inovação Metodológica: O estudo introduz um teste de escuta inovador combinando a seleção de adjetivos com diversas demografias de participantes (incluindo grupos não heterossexuais) para avaliar a percepção de voz sintética.

Significância e Alegações
Os autores afirmam que esses achados são significativos porque revelam que a customização "criativa" oferecida pelas plataformas de Voice AI muitas vezes reforça preconceitos sociais datados, cisnormativos e heteronormativos, em vez de permitir uma diversidade genuína.

Reforço de Estereótipos: As personas "sexualizadas" (ex: "A tentadora parisiense") são identificadas como caricaturas auditivas que carecem da agência ou controle encontrados no trabalho sexual humano, apresentando, em vez disso, um esquema vocal clichê, heteronormativo e de sedução.
Implicações de Mercado: À medida que essas vozes são comercializadas para indústrias criativas (jogos, cinema), elas correm o risco de substituir atores de voz humanos enquanto perpetuam ideais estreitos de gênero.
Impacto Social: Os autores argumentam que, à medida que a IA conversacional se torna normalizada, essas representações podem influenciar os próprios estilos de fala dos usuários através do acomodamento linguístico e do entramento acústico-prosódico, potencialmente normalizando essas assimetrias de poder nas interações humano-IA e humano-humano.
Modéstia de Escopo: O artigo limita explicitamente suas alegações ao segmento específico do mercado examinado (Biblioteca de Voz da ElevenLabs) e reconhece que outros sistemas (ex: Grok da xAI, ChatGPT da OpenAI) exibem problemas semelhantes em relação a assédio e exploração, sugerindo um problema mais amplo em toda a indústria. Os autores não alegam ter resolvido o problema, mas enfatizam a necessidade de examinar como as vozes artificiais são adotadas e percebidas na sociedade.