Fugu-MT 論文翻訳(概要): Does Listening Matter? Backchanneling and Nodding in AI Clone

論文の概要: Does Listening Matter? Backchanneling and Nodding in AI Clone

arxiv url: http://arxiv.org/abs/2608.19527v1
Date: Thu, 20 Aug 2026 00:53:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-21 20:28:51.422501
Title: Does Listening Matter? Backchanneling and Nodding in AI Clone
Title（参考訳）: リスニングは重要か? AIクローンのバックチャネルとノーディング
Abstract要約: マルチモーダル聴取動作を追加することで,そのようなクローンの存在感と信頼性が向上するかどうかを検討する。実時間予測モデルにより駆動される音声のバックチャネルと頭部のうなずきを,音声クローニングとLLMに基づく応答を備えたAIクローンに統合した。
参考スコア（独自算出の注目度）: 23.54201708524192
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: AI clones that imitate a specific person typically reproduce what the person says and how they sound, but not how they listen. We investigate whether adding multimodal listening behaviors gives such a clone more presence and authenticity. We integrated verbal backchannels and head nodding, driven by real-time prediction models, into an AI clone equipped with voice cloning and LLM-based responses. In a within-subjects study (N=35), adding these behaviors significantly improved the perceived attentiveness of the avatar, the sense of talking with the real person, and the feeling of co-presence. These results indicate that AI clone fidelity should extend beyond voice and response content to include interactive listening behavior.
Abstract（参考訳）: 特定の人物を模倣するAIクローンは、典型的には、その人の発言や音を再現するが、聴く方法はない。マルチモーダル聴取動作を追加することで,そのようなクローンの存在感と信頼性が向上するかどうかを検討する。実時間予測モデルにより駆動される音声のバックチャネルと頭部のうなずきを,音声クローニングとLLMに基づく応答を備えたAIクローンに統合した。対象内調査(N=35)では,これらの行動を追加することで,アバターの知覚的注意力,実人との会話感,共存感が有意に向上した。これらの結果は、AIクローンの忠実度が音声や応答コンテンツを超えて、対話的な聴取行動を含むべきであることを示唆している。

関連論文リスト

Mind2Dialogue: Training Human-Aware Language Models by Simulating User Mental States [72.77158276658636]
Mind2Dialogueは、ユーザのメンタルステートをシミュレートし、それらを人間に意識したトレーニングのための特権的な監視に変換するためのフレームワークである。まず,精神状態の更新とコヒーレントな会話の生成を両立させる心理誘導シミュレータを提案する。私たちの特権的な蒸留は、デプロイ時にメンタルステートに直接アクセスすることなく、ユーザを支援するために、Oracleの優れたインフォームドレスポンスのモデルをトレーニングします。
論文参考訳（メタデータ） (2026-09-14T17:55:58Z)
Voice ''Cloning'' is Style Transfer [35.849322148450604]
この言葉にもかかわらず、音声のクローン化は個人の声を忠実に「クローン」するものではないことを示す。広範に使用されている音声クローンモデルは,ソース音声へのスタイル転送を体系的に適用している。人間のアノテータによって評価されるように、クローンされた音声は、より権威的で、温かく、カスタマーサービス風で、人間に似たものとして認識される。
論文参考訳（メタデータ） (2026-05-15T19:32:28Z)
Chronological Thinking in Full-Duplex Spoken Dialogue Language Models [66.84843878538207]
時系列思考は、完全なSDLMの応答品質を改善することを目的としている。追加のレイテンシがない: ユーザが話すのをやめると、エージェントは考えるのをやめ、それ以上の遅延なしに話し始める。結果: 客観的指標と人的評価の両面から, 時系列思考の有効性を示す実験を行った。
論文参考訳（メタデータ） (2025-10-02T10:28:11Z)
People are poorly equipped to detect AI-powered voice clones [12.3166714008126]
同一性マッチングと自然性の観点から,AI生成音声の現実性について報告する。人間の参加者は、AIが生成した音声の記録を一貫して識別することはできない。
論文参考訳（メタデータ） (2024-10-03T21:26:58Z)
Sketching With Your Voice: "Non-Phonorealistic" Rendering of Sounds via Vocal Imitation [44.50441058435848]
人間の声の模倣を再現する手法を提案する。まず、モデルの制御パラメータを調整して、音声の模倣を生成する。人間の話者が聴取者に対して戦略的に判断する方法について,コミュニケーションの認知理論を適用した。
論文参考訳（メタデータ） (2024-09-20T13:48:48Z)
Silico-centric Theory of Mind [0.2209921757303168]
心の理論(りょうりょう、英: Theory of Mind、ToM)とは、信念、欲望、意図、知識などの精神状態が自分自身や他者へ帰属する能力のこと。複数の独立したAIエージェントを持つ環境におけるToMについて検討する。
論文参考訳（メタデータ） (2024-03-14T11:22:51Z)
Learning Through AI-Clones: Enhancing Self-Perception and Presentation Performance [7.151400656424202]
44人の国際学生による混合設計実験は、オンライン英語プレゼンテーションの自己記録ビデオ(自己記録グループ)とAIクローンビデオ(AIクローングループ)を比較した。その結果、AIクローンは、社会的比較を容易にするために肯定的な「ロールモデル」として機能していた。
論文参考訳（メタデータ） (2023-10-23T17:20:08Z)
Emotional Listener Portrait: Realistic Listener Motion Simulation in Conversation [50.35367785674921]
リスナーヘッドジェネレーションは、話者から提供される情報を参照して、リスナーの非言語行動を生成することに集中する。このような反応を生成する上で重要な課題は、会話中のきめ細かい表情の非決定論的性質である。本稿では,複数の個別な動きコーパスの合成として,各顔の動きを微粒化処理する情緒的リスナー・ポートレート(ELP)を提案する。 ELPモデルは,学習分布からのサンプリングにより,与えられた話者に対する自然な,多様な応答を自動的に生成するだけでなく,所定の姿勢で制御可能な応答を生成することができる。
論文参考訳（メタデータ） (2023-09-29T18:18:32Z)
DialogueNeRF: Towards Realistic Avatar Face-to-Face Conversation Video Generation [54.84137342837465]
対面会話は毎日の会話の大部分を占める。既存の手法のほとんどは、一人称音声音声生成に重点を置いている。ニューラルレイディアンスフィールド(NeRF)に基づく新しい統合フレームワークを提案する。
論文参考訳（メタデータ） (2022-03-15T14:16:49Z)
Responsive Listening Head Generation: A Benchmark Dataset and Baseline [58.168958284290156]
本研究では、応答型リスニングヘッド生成タスクを、複数の入力に応答する動きと表現を持つ非言語ヘッドの合成として定義する。音声によるジェスチャーや音声のヘッド生成とは違って,いくつかの研究分野の恩恵を期待して,このタスクにより多くのモーダルを導入する。
論文参考訳（メタデータ） (2021-12-27T07:18:50Z)
Improving Factual Consistency Between a Response and Persona Facts [64.30785349238619]
応答生成のためのニューラルネットワークは、意味論的に妥当であるが、必ずしも話者のペルソナを記述する事実と矛盾しない応答を生成する。我々は,これらのモデルを強化学習により微調整し,応答とペルソナ事実の一貫性と意味的妥当性を明確に把握する効率的な報酬関数を提案する。
論文参考訳（メタデータ） (2020-04-30T18:08:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。