論文の概要: Known-Voice Cloning and the Limits of Personality Transfer for Character Design
- arxiv url: http://arxiv.org/abs/2610.18669v1
- Date: Tue, 13 Oct 2026 16:27:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.68207
- Title: Known-Voice Cloning and the Limits of Personality Transfer for Character Design
- Title（参考訳）: 文字設計における知識音声のクローン化と人格移動の限界
- Abstract要約: 仮想人物が親しみのある人のクローン音声で話すときの人格印象の伝達について検討した。
どちらの研究においても人格移動の証拠は限られていた。
その結果、クローン音声が直接的に人を操り、有能な社会的アクターとして人工的なキャラクターを知覚する、という一般的な懸念が和らげられた。
- 参考スコア（独自算出の注目度）: 7.837981136192166
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in zero-shot voice cloning systems make it possible to reproduce a recognizable voice from a short recording and attach it to arbitrary virtual characters. Prior work suggests that familiar vocal identity can carry over associated personality impressions to new targets such as robots or virtual characters. However, these works have mainly examined familiarity and personalization effects rather than directly testing whether a cloned familiar voice systematically transfers personality impressions to an embodied virtual character. Such transference raises the concern that cloned voices could be used to manipulate people into engaging with virtual characters as capable social actors. Across two studies, we investigated whether personality impressions transfer when a virtual character speaks with the cloned voice of a familiar person. Study 1 examined this question in a real-world university setting using the cloned voice of a lecturer familiar to the participating students. Study 2 examined the same question online using voices of social media content creators and members of their communities. Drawing on the concepts of identity activation, trait transfer, and person reconstruction, we show that evidence of personality transfer was limited in both studies. Observed effects were selective and did not generalize across traits or study contexts. In the online study in particular, recognizable voice identity cues activated expectations about the speaker but did not reconstruct the broader person impression. Qualitative responses further indicated that judgments were frequently shaped by perceived artificiality and by whether voice and appearance fit together. Our findings moderate common concerns that cloned voices straightforwardly manipulate people into perceiving artificial characters as capable social actors.
- Abstract（参考訳）: ゼロショット音声クローニングシステムの最近の進歩により、短い録音から認識可能な音声を再生し、任意の仮想文字にアタッチすることが可能になった。
先行研究は、親しみやすい声のアイデンティティが、ロボットや仮想キャラクタといった新しいターゲットに関連性のある性格印象を引き継ぐことができることを示唆している。
しかし、これらの研究は、クローン化された親しみのある音声が人格印象を具体化した仮想キャラクターに体系的に伝達するかどうかを直接検査するよりも、親しみとパーソナライズの効果を主に検討してきた。
このような伝達は、クローン音声が人々を操り、バーチャルキャラクターを有能なソーシャルアクターとして関与させるのに使えるという懸念を提起する。
2つの研究において、仮想的な人物が親しみのある人のクローン音声と会話するときの人格印象が伝達するかどうかを検討した。
研究1では,学生に慣れ親しんだ講師のクローン音声を用いた実世界の大学環境で,この問題について検討した。
調査2では、ソーシャルメディアコンテンツ制作者やコミュニティのメンバーの声を用いて、同じ質問をオンラインで調査した。
同一性アクティベーション,特質移動,人物再構成の概念に基づき,両研究において人格移動の証拠が限られていたことを示す。
観察された効果は選択的であり、特性や研究の文脈をまたいだ一般化はされなかった。
特にオンライン研究において、認識可能な音声アイデンティティーは、話者に対する期待を活性化させるが、より広い印象を再構築することはなかった。
質的な反応は、知覚的人工性や声と外観が合わさったかどうかによって、しばしば判断が形作られたことを示している。
その結果、クローン音声が直接的に人を操り、有能な社会的アクターとして人工的なキャラクターを知覚する、という一般的な懸念が和らげられた。
関連論文リスト
- Does Listening Matter? Backchanneling and Nodding in AI Clone [23.54201708524192]
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。
論文 参考訳（メタデータ） (2026-08-20T00:53:25Z) - 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) - Acoustic and perceptual differences between standard and accented Chinese speech and their voice clones [23.08569741275153]
我々は,マンダリン音声とその音声クローンを,計算と知覚の複合設計を用いて比較した。
埋め込みに基づく分析では、システム間での原クローン距離に信頼性のあるアクセント付き標準差は示されていない。
その結果, アクセントの変動は, 既成話者埋め込み距離に反映されない場合でも, 音声のクローン化において認識された同一性マッチングと不明瞭性を形作ることができることがわかった。
論文 参考訳（メタデータ） (2026-04-02T03:17:41Z) - MOSS-VoiceGenerator: Create Realistic Voices with Natural Language Descriptions [60.69565588088127]
MOSS-VoiceGeneratorは、自然言語プロンプトから直接新しい音色を生成するオープンソースの命令駆動音声生成モデルである。
実世界の音響変化に曝露すると、より知覚的に自然な音声が生まれるという仮説に触発され、映画コンテンツから得られた大規模表現音声データに基づいて訓練を行う。
主観的嗜好研究は、他の音声設計モデルと比較して、全体的な性能、指示追従、自然性においてその優位性を示す。
論文 参考訳（メタデータ） (2026-03-30T06:40:59Z) - Character-Centric Understanding of Animated Movies [88.83104906869106]
本稿では,自動的かつロバストなアニメーション文字認識を実現するための音声視覚パイプラインを提案する。
アニメーション映画のキャラクターは、その外観、動き、変形において極端な多様性を示す。
このパイプラインはアニメーション映画のキャラクター中心の理解を高める。
論文 参考訳（メタデータ） (2025-09-15T17:59:51Z) - Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues [63.936654900356004]
パーソナリティ認識は,対話やソーシャルメディア投稿などのユーザデータに含まれる性格特性を識別することを目的としている。
本稿では,人格特性の証拠として推論過程を明らかにすることを目的とした,説明可能な人格認識という新しい課題を提案する。
論文 参考訳（メタデータ） (2024-09-29T14:41:43Z) - Seeing Your Speech Style: A Novel Zero-Shot Identity-Disentanglement Face-based Voice Conversion [5.483488375189695]
顔に基づく音声変換(FVC)は、顔画像を利用してターゲット話者の音声スタイルを生成する新しいタスクである。
先行研究は,(1)話者の音声識別情報に整合した顔埋め込みの獲得に苦しむこと,(2)コンテンツと話者識別情報を音声入力から切り離すのに不適切であること,の2つの欠点がある。
上記の2つの制限を克服する新しいFVC手法であるID-FaceVCを提案する。
論文 参考訳（メタデータ） (2024-09-01T11:51:18Z) - InCharacter: Evaluating Personality Fidelity in Role-Playing Agents through Psychological Interviews [57.04431594769461]
本稿では, RPAの性格的忠実度を心理的尺度で評価するための新しい視点を紹介する。
実験には様々な種類の RPA と LLM が含まれ、14の広く使用されている心理学的尺度で32の異なる文字をカバーしている。
InCharacterでは、現在最先端のRPAが人物の人格と高度に一致した個性を示し、80.7%の精度を達成している。
論文 参考訳（メタデータ） (2023-10-27T08:42:18Z) - Imitator: Personalized Speech-driven 3D Facial Animation [63.57811510502906]
State-of-the-artメソッドは、ターゲットアクターの顔トポロジを変形させ、ターゲットアクターのアイデンティティ固有の話し方や顔の慣用性を考慮せずに入力オーディオを同期させる。
本稿では,音声による表情合成手法であるImitatorについて述べる。
提案手法は,ターゲットアクターの発話スタイルを保ちながら,入力音声から時間的コヒーレントな表情を生成する。
論文 参考訳（メタデータ） (2022-12-30T19:00:02Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。