新的 AI 检测到您的 Zoom 通话何时会变得尴尬

快速阅读: 《AZoAI》消息，纽约大学团队研发了一种AI模型，可通过分析视频会议中的音频和视频信号，预测对话流畅度和满意度。研究显示，“尴尬的沉默”比混乱的对话更影响会议质量。此技术有望改善虚拟会议体验。

纽约大学 2025年3月16日

一种新的人工智能模型能预测你的Zoom会议何时可能出现问题——在尴尬的沉默和笨拙的对话发生之前就察觉到这些问题，从而让未来的虚拟会议更加顺畅、自然，甚至让人感到愉悦。

**研究：多模态机器学习能够预测视频会议的流畅性和满意度**
图片来源：Ground Picture / Shutterstock

自新冠疫情爆发以来，工作人员花费了无数小时在视频会议上，如今这已成为办公室生活的一部分。随着越来越多的人远程工作和生活，Zoom、微软Teams、苹果FaceTime、Slack和Discord等视频会议平台也成为家人和朋友社交的重要组成部分。有些交流比其他交流更愉快且更流畅，这引发了关于如何改进在线会议方式以提高效率和工作满意度的问题。纽约大学的一组科学家开发了一种AI模型，该模型能够识别视频会议中的人类行为方面，例如对话轮次转换和面部动作，并实时预测这些会议是否被视为愉快、流畅、舒适和自然，而不是由于笨拙的轮次转换而显得尴尬。

“我们的机器学习模型通过解析视频会议基本音频和视频信号中的细微模式，揭示了高层次社会互动的复杂动态，”该论文的主要作者、纽约大学心理学系博士后研究员张安德（Andrew Chang）说道，该论文发表于IEEE国际声学、语音与信号处理会议（ICASSP）。

“这一突破代表了朝着动态增强视频会议体验迈出的重要一步，展示出如何在问题出现之前避免对话偏离轨道。”

为了开发这个机器学习模型，研究者利用超过100人小时的Zoom会议录音作为训练数据，输入数据包括语音、面部表情及肢体动作。随后，该模型识别出对话变得不流畅或不愉快的关键时刻。更具体地说，科学家们训练模型区分破坏虚拟会议流畅性的不流畅时刻与更流畅的交流。值得注意的是，该模型认为，在轮次转换中出现异常长时间空白的对话，相比参与者互相打断的对话，显得更不流畅且不愉快。换句话说，“尴尬的沉默”比热烈辩论中混乱但充满热情的动态更具破坏性。

为验证模型评估的准确性，一个由300多名人类评委组成的独立小组观看了相同的视频会议片段样本，对对话的流畅度以及会议参与者对交流的喜欢程度进行了评分。总体而言，人类评分者的打分与机器学习模型的评估结果高度吻合。

“视频会议如今已成为我们生活中不可或缺的一部分，因此，理解和解决其负面时刻对于促进更好的人际沟通和联系至关重要，同时也对于提升会议效率和员工的工作满意度意义重大，”纽约大学心理学系访问学者达斯汀·弗里曼（Dustin Freeman）说道，他是该论文的资深作者。

“通过预测对话破裂的时刻，这项工作可以为视频会议系统提供途径，通过隐式调整信号延迟来适应需求或显式向用户提供提示来缓解这些破裂并使对话更加顺畅，这是我们当前正在试验的内容。”

该论文的其他作者包括当时在纽约大学坦登工程学院攻读研究生的维斯瓦德鲁特·阿克贾鲁（Viswadruth Akkaraju）和雷·麦考尔·科格利阿诺（Ray McFadden Cogliano），纽约大学心理学系访问学者达斯汀·弗里曼（Dustin Freeman），以及纽约大学心理学系教授大卫·波佩尔（David Poeppel），同时他也是德国慕尼黑马克思普朗克学会的成员。

该研究部分得到了纽约大学人类健康发现研究基金、美国国立卫生研究院下属的国家耳聋及其他交流障碍研究所，以及利昂·列维神经科学奖学金的资助。

来源：纽约大学
期刊参考：A. Chang, V. Akkaraju, R. M. Cogliano, D. Poeppel and D. Freeman, “多模态机器学习可预测视频会议流畅性和享受度”, ICASSP 2025 – 2025 IEEE国际声学、语音与信号处理会议（ICASSP），海得拉巴，印度，2025年，第1-5页，doi: 10.1109/ICASSP49660.2025.10889480，https://ieeexplore.ieee.org/document/10889480

(以上内容均由Ai生成)