为什么电子人的世界阴盛阳衰?

本文探讨了语音程序偏好使用女性声音的原因,包括生物学因素、历史背景及文化影响等,并指出这种现象并非性别歧视,而是基于用户体验的选择。
部署运行你感兴趣的模型镜像

无论是GPS导航、语音提示还是最近很火的Siri语音助手,大部分的语音程序默认的都是使用女性的声音,为什么大家创造的电子人如此阴盛阳衰?今天来科普一下吧。

  原因一:生物学上女性的声音更容易被接受

  据斯坦福大学的教授Clifford Nass所说,要找一个大家都能喜欢的女性声音要比找一个大家都喜欢的男性声音要容易得多,这点从还是胚胎的时候就有所表现,研究表明,在子宫里的婴儿只对母亲的声音反应最为敏感,其他人的声音,包括父亲在内,也没有什么特别的反应

  原因二:历史原因

  第一个使用声音导航的设备可以追溯到第二次世界大战时期,在一群男性飞行员之中,女性导航的声音显得更明显而被飞行员所接受,而电话公司也多数选择女性声音作为音效,因为大众更喜欢受到女性声音的服务或者帮助。而在几十年前第一次出现汽车语音提示(例如你的门没关好之类的提示)的时候,消费者调查表示大家都也更喜欢女性的声音,当然也有例外,在90年代末宝马车厂就因为用户不喜欢听从女性的指示而被迫召回其5系列的轿车。

  原因三:HAL

  HAL指的是电影《2001太空漫游》里的智能电脑HAL9000,他邪恶的声音给很多人留下了强烈的印象,这个声音也让很多设计师在选择声音的时候不考虑男声。

  总结:这个阴盛阳衰的现象其实不具有任何性别歧视的成分,实际上现在的软件往往提供更多的选择,例如,Nuance公司的产品多数都可以让用户自己选择使用男声或者女声,Siri在英国和法国版本用的也是男声版。按照这个发展,相信以后还有可能选择自己熟悉的人的声音为自己服务。

  viacnnleiphone

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合群:具备一定机器学、状态估计或自动驾驶基础知识的科研员及工程技术员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研员及电力市场从业员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流与交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现和进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性和实用性。; 适合群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研员及工程技术员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码与迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程与模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果和算法差异的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值