笑声是一种传达各种情绪状态的社会行为,并且与语言交流杂乱无章。随着人们越来越多地参与语音激活的人工智能(语音-AI)系统,一个悬而未决的问题是,在语言与技术互动时,笑声模式如何。在实验1中,我们收集了用户(n = 76)和亚马逊Alexa Socialbots(旨在模拟人类对话互动的语音-AI界面)之间记录的简短对话(〜10分钟)的语料库,并分析了笑声的互动和务实的环境。笑声被编码为相对于各种语音行为以及语音模式(例如持续时间和发音)的互动中的位置。我们的分析表明,当Alexa的言语内容被认为是不合适的话语背景时,最常见的笑声是最常见的。语料库中的笑声在很大程度上也很短且未发声 - 这些特征通常与负面的社会价值有关。在实验2中,我们发现单独的听众没有区分数据集的正面和负面笑声,尽管我们发现笑声被评为更正面的笑声也被评为更加兴奋和真实。总的来说,我们讨论了人类计算机互动模型的发现以及在社交机器人对话中使用笑声的应用。
主要关键词