《Scientific Reports》：fNIRS experimental study on the impact of AI-synthesized familiar voices on brain neural responses
編輯推薦：
為探究 AI 合成熟悉與陌生語音對神經反應的影響，研究人員利用 GPT-SoVITS 合成三種語音，通過 fNIRS 監測腦區血氧變化。發現 AI 合成母親語音顯著激活前額葉和顳葉皮層，揭示其在心理健康和用戶體驗領域的潛力。
在人工智能技術飛速發展的當下，語音合成技術日臻成熟，AI 語音與人類語音的差異逐漸縮小。然而，盡管個性化語音合成技術（如 Few-Shot Text-to-Speech，FSTS）已能通過少量樣本模仿特定人聲，但 AI 合成語音，尤其是熟悉語音（如親人聲音）如何影響人類情感及大腦神經反應，仍缺乏直接的神經科學證據。過往研究雖聚焦于語音識別的腦機制，發現顳葉和前額葉在區分熟悉與陌生聲音中起關鍵作用，但 AI 合成的熟悉語音能否觸發類似的神經活動，尚未有明確結論。
為填補這一研究空白，紹興文理學院的研究人員開展了相關實驗，其成果發表在《Scientific Reports》。
研究團隊采用功能近紅外光譜技術（functional near-infrared spectroscopy，fNIRS），這是一種通過測量皮層血氧水平變化來實時監測腦活動的無創腦成像技術。實驗中，研究人員利用 GPT-SoVITS 模型合成三種語音：普通女性語音、甜美女性語音和母親語音（均朗讀相同文本）。其中，母親語音樣本來自參與者母親的真實錄音，經降噪處理后用于模型訓練；另外兩種陌生語音則來源于公開音頻庫。實驗招募了 25 名 20-25 歲的學生志愿者，通過 fNIRS 設備記錄他們在聆聽不同語音時前額葉皮層（Prefrontal Cortex，參與認知控制和情感調節）和顳葉皮層（Temporal Cortex，涉及語言和情感記憶處理）的血氧變化，并結合問卷調查分析參與者的情感反饋。
實驗結果
fNIRS 數據分析
通過對比發現，無論是與普通女性語音（實驗 1）還是甜美女性語音（實驗 2）相比，AI 合成的母親語音均顯著提升了前額葉和顳葉的血氧水平（ΔHbO）。實驗 1 中，母親語音與普通女性語音的平均 ΔHbO 差異為 0.02199，顳葉差異更顯著（0.02431）；實驗 2 中，這一差異為 0.02300，顳葉差異達 0.02653，表明熟悉語音對腦區的激活更強。
線性混合效應模型（LMM）分析
模型顯示，任務語音類型對腦活動的主效應顯著（實驗 1：F=41.062，p<0.001；實驗 2：F=29.459，p<0.001），而腦區主效應僅在實驗 1 中顯著（F=6.364，p=0.015）。交互作用均不顯著，說明語音類型對腦激活的影響獨立于腦區差異。
情感反饋與聲學分析
參與者反饋顯示，聆聽母親語音時多會無意識回憶與母親相關的場景，而陌生語音則主要引發對文本內容的關注。聲學分析（Mel-Cepstral Distortion，MCD）表明，合成語音與真實語音的差異未顯著影響血氧變化，排除了聲學干擾對結果的影響。
研究結論與討論
該研究證實，AI 合成的熟悉語音（如母親語音）可顯著激活前額葉和顳葉皮層，這種激活可能反映了語音熟悉度處理的多維特征，包括情感、記憶和認知功能。前額葉的激活可能與注意力調節和情感記憶檢索相關，而顳葉則與語音語義理解及情感記憶提取密切相關。
研究的創新之處在于突破傳統語音合成的主觀評估框架，首次通過 fNIRS 技術直接揭示 AI 語音的神經機制，為 AI 語音在心理健康領域的應用提供了直觀的神經科學證據。例如，利用 AI 合成親人語音可緩解老年人的孤獨感，或為心理干預提供新途徑。盡管研究存在樣本量較小、腦區定位精度有限等局限，但其結果為個性化語音合成技術在情感支持、人機交互等領域的應用奠定了理論基礎，預示著 AI 語音從 “功能性交互” 向 “情感化陪伴” 的重要跨越。
