ECHO Corpus: Cross-cultural database of 15000 nonverbal vocalisations from speakers of 22 languages
ECHO语料库是一个具有开创性的开放获取数据库，包含来自52个国家、22种语言的近1,050名说话者的15,000多条非言语发声，旨在为研究人类情感语音交流的跨文化机制提供一个具有代表性的基础。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
人类拥有一套庞大的非语言交流工具库。早在我们开发出描述世界的复杂语言之前，我们的祖先就依靠尖叫、哭泣和笑声等声音来传递危险、痛苦或喜悦的信号。这些非语言性的发声并非随机的噪音；它们携带着关于发出者是谁、体型大小以及那一刻感受的具体信息。科学家们长期以来一直好奇，这些声音是否具有普遍性，即恐惧的尖叫声对于东京的人和安第斯山脉的人来说是否听起来是一样的，还是文化塑造了我们发出和理解这些声音的方式。虽然之前的研究探讨过这个问题，但它们通常依赖于来自相似背景的小规模人群，这在对完整人类经验的理解上留下了巨大的空白。
现在，一组研究人员通过一个名为 ECHO Corpus 的大规模新数据集填补了这一空白。该项目汇集了来自 52 个不同国家的近 1,050 人，代表了涵盖十个主要语系的 22 种不同语言的说话者。其目标是记录这些个体在模拟特定情感情境时发出的 15,000 多种非语言声音。参与者的年龄从 18 岁到 84 岁不等，背景极其多样化，从城市中心到从未离开过所在地区的蒙古游牧社区都有涉及。通过收集如此广泛的声音，研究人员创建了一个资源，使科学家能够最终测试我们通过声音表达情感的方式是一种共同的人类特征，还是从特定文化中习得的。
为了收集这些数据，研究人员要求每位参与者想象一个特定的场景，然后产生与之匹配的声音，而不使用任何词汇。他们被赋予的情境范围广泛，既有负面经历，如被野生动物袭击或手被烫伤，也有正面经历，如收到意外礼物或在脱险后感到宽慰。他们还记录了中性情境下的声音，例如当某人没听清刚才说了什么时。指令被仔细翻译成每位参与者的母语，以确保每个人都能以相同的方式理解这些场景。虽然大多数人是在线使用自己的麦克风录制声音，但团队也前往日本和蒙古进行实地录音，以确保为那些极少被纳入科学研究的群体提供高质量的音频。
生成的数据库规模巨大，包含数千个音频文件以及关于每位说话者的详细信息，包括年龄、性别和媒体消费量。研究人员分析了这些声音的声学特性，观察了诸如音高、响度和声音粗糙度等特征。他们发现，这些声音会根据所表达的情感而呈现出可预测的变化。例如，旨在发出警报或恐惧信号的声音往往音高较高，而旨在表达攻击性的声音则较低且更粗糙。至关重要的是，该研究还包含了实验，以观察不同文化背景的人是否能理解这些声音。结果显示，听者通常能够非常好地识别出预期的情感，即使该声音是由说完全不同语言的人发出的。
这项工作表明，虽然文化可能会为我们的发声增添一些细微的风味，但产生和理解情感发声的核心能力是深深植根于我们的生物学之中的。研究人员发现，人们能够跨越文化边界，高精度地识别出痛苦、恐惧和愉悦等情绪。这支持了这样一种观点：这些声音是人类共有系统的一部分，很可能是为了进化出能够快速向他人传达需求和感受的能力，从而帮助我们生存。然而，研究也指出，当声音来自与自己同一文化群体时，人们识别情绪的效果会略好一些，这暗示了地方习惯对我们说话和倾听方式仍存在一定影响。
ECHO Corpus 现在已向全球科学家开放，为未来关于人类如何交流的研究提供了基础。通过超越以往研究中占据主导地位的局限性群体，该项目揭示了人类声音真正的多样性。它表明，尽管我们在语言和习俗上存在诸多差异，但我们情感的基础声音仍然是贯穿全球的一条强大的纽带。这项大规模的研究证实，声音是一种普遍的乐器，能够讲述一个无论何时何地都能被理解的关于喜悦或恐怖的故事。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。