你能說出名字的科學家，有幾位是女性？

• 文／邱彥哲｜雅文基金會聽語科學研究中心 助理研究員

「Hey, Siri!」「OK, Google!」你曾經對手上的行動裝置說話嗎？你會要求他回答什麼呢？受限於目前的技術，你可能不會得到非常滿意的答案，但至少你會聽到一陣悅耳如同真人的語音吧！這項現今習以為常的技術，其實背後是由很多知識累積而成的。今天，讓我邀請你擔任一日「語音設計師」，從語音合成的技術開始，接著了解人類使用者的聽覺偏好，最後探索不同族群對聆聽合成語音的差異吧！

語音合成（speech synthesis），是指以人工方式，製造出說話的聲音，可以理解為使機器裝置說出人話的技術。廣義來說，很多人也會把文字轉語音（Text to Speech，簡稱 TTS），含括在語音合成的範疇。

語音合成像樂高，但樂高有兩種！

早在 1970 年代，人類就已經開始嘗試讓機器說話了。構思如何讓機器說話這件事，最直接的方式就是請真人錄一段聲音，然後在指定的時機播放。不過，面對複雜的語言情境，我們不可能錄下所有可能的回應 ; 而且若要這樣做，也實在太沒效率。幸好，借助電腦運算技術，可以讓人類向自動生成語音邁進一大步。合成的方法可以分成兩大類，分別是單元選取合成（Unit Selection Synthesis）及參數合成（Parametric Synthesis）^[1]。

單元選取合成這種方法，是將某個語言的語音成分分別以人聲錄製起來，再根據需要的目標語音進行組合。簡單來說，如果需要機器說發出「八」的語音，就必須單獨錄製「ㄅ」跟「ㄚ」。這個技術聽起來直觀方便，但也有缺點。就是事先必須建立一個龐大的語音資料庫，這個資料庫必須包含一個語言所有語音成分，此外，還必須錄下這些語音成分在所有情境下的變化，光想起來就令人有點頭痛。

所以後者，參數合成，就顯得方便許多。這種方法，是直接將語音參數輸入電腦，讓電腦直接根據參數發出聲音，再組成語音。使用參數合成，就可以免去請人錄音的步驟，但直接使用電腦生成的語音，聽起來也會相對不自然。我們可以把這兩類方法想像成是在組合樂高，都是將語音成分一塊一塊組合起來，只是前者的樂高是自然材質（比如說木頭製），後者是人造材質（比如說塑膠）。

借助深度學習，電腦說話很自動

不過，無論是上述哪種方法，都還是需要不少的人工調校，才能使聲音逐步接近人類的語音。但還好，隨著電腦演算的進步，將深度學習（deep learning）運用在語音合成的領域，不但減少了人工成本，也大大提升的語音的擬人性。所謂深度學習，簡單來說就是一套模擬人類神經網絡的演算法。

使用這樣的演算法，設計者只需蒐集大量的語音資料，將資料「餵」給電腦，無須事先切分或分析，電腦便會自動學習其中的規律。如此一來，只要資料數量足夠龐大，電腦就可以自動產生符合自然規律且真實的語音。

但是，身為一位語音設計師，要進一步思考的是：「究竟要餵給電腦什麼呢？」這個問題又必須從使用者的角度來思考：「人類會偏好聆聽什麼樣的語音？」就像生產商品一樣，語音百百款，要能投其所好，才能讓使用者日日寸步不離，對吧！

聆聽也要投其所好，性別頻率最重要

關於合成語音的聆聽偏好，最先被討論的，是性別。雖然我們都知道機器沒有性別，但若希望他和人一樣跟你互動，投射性別是很自然的。不過有人就提出質疑：「為什麼我們的語音助理，都是女性的聲音呢？」美國西北大學梅迪爾傳播新聞整合行銷學院教授 Candy Lee 進行一項調查，測試了 8 種族裔的使用者，結果發現 64% 的人只偏好女性的聲音^[2]。

這樣看起來，預設為女性的聲音應該是沒問題的吧？不過，有人認為這是社會對「助理」的性別刻板印象所致；因為社會習慣女性作為「服務者」，所以在設計語音時，直覺地就挑選了女性聲音。雖然單就頻率方面，的確有研究指出，使用者確實是偏好頻率較高的合成語音^[3]，但若是一昧如此，也極有可能不斷複製性別偏見的印象^[4]。

有鑒於此，越來越多系統開始提供男性語音的選項。更甚者，哥本哈根研究團隊突發奇想，不以性別為選項，而是改以頻率作為調查標準。分析之後，他們得到一個最佳的頻率值──185 赫茲，設計出史上第一個無性別語音助理「Q」^[5]。如此一來，青菜蘿蔔各有所好，聆聽的偏好也朝著多元共好的目標邁進！

聽得舒服，語速考量不能少

解決的性別與頻率的問題，還得注意甚麼呢？專門研究輔助溝通系統（Augmentative and Alternative Communication，簡稱 AAC）的專家想到了語速的問題。輔助溝通系統可以簡單理解成「溝通輔具」，是用以輔助溝通障礙者溝通的工具; 簡單如圖卡，複雜如電子溝通板，都算是其中一員。而像是電子溝通板這類，以螢幕顯示圖片，點擊後可以播放語音的輔具來說，合成語音是很關鍵的技術。

這些溝通障礙專家想知道：「究竟什麼樣的語音速度，是最舒服的呢？」。

Sutton 與其研究團隊招募了 21 至 28 歲的年輕人與 61 至 79 歲的年長者，對合成語音進行語速評分^[6]。語速的計算方式，採用每分鐘幾個字（Words per minute，簡稱 WPM）計算。他們將合成語音調整成不同的語速，範圍介於 120 到 250WPM 之間。結果發現，無論年輕人或年長者，偏好的語速都落在 150 到 200WPM 之間 ; 而年長者則是相對年輕人偏好較慢的語速。這樣的範圍，其實與過去研究提出的人類平均語速，相去不遠^[7]。

如果想知道不同語速聽起來感受如何，可以到合成語音軟體 Speechify^[8]的網站試用，自行調整語速（以 WPM 計算），細細品味其中差異。或者，讓我為你朗讀，請聽示範（語速約 180WPM，內容為「我是彥哲，我是普通人。」）！ 

可見，語音合成的技術雖是極為理性的領域，但若要設計出美妙的語音，對人類感性的理解，也絕對不能偏廢。

合成語音聆聽不易，考量族群差異最貼心

「所以，我只要想辦法把語音設計得很像人類就可以了吧？」你可能會這樣想，不過這裡頭還少了一個部分。現代社會提倡多元，客製化當道，每個人使用同個產品的狀況必然會有差異。

其實，即使是一般人，聆聽並理解合成語音是比自然語音更加困難的。Winters 及 Pisoni 發表的回顧研究指出：由於合成語音的清晰度普遍較差，因此聆聽者通常需要動用更多的認知資源（像是電腦需要動用較多記憶體），以及更多高層次的語言知識來彌補語音訊息的不完整^[9]。如果對普通人來說是如此，對於某些特殊族群來說，想必有更加需要注意的地方。

比如說兒童。Mirenda 及 Beukelman 招募了成年人、10 至 12 歲以及 6 至 8 歲的兒童進行研究^[10]。參與者的任務，是要在聽完自然語音及合成語音播放的八個詞彙之後，再將這八個詞彙回憶並說出來，回答無須按照順序。結果研究者發現，兩組兒童無論聆聽自然或合成語音，回憶詞彙的表現都比成人還差 ; 對於兩組兒童而言，記憶合成語音的表現又更不理想。

由此可知，兒童本身的記憶能力就較成年人弱，在聆聽合成語音時，可以說是是難上加難。

另一個被探討的，是聽障族群。聽障族群最主要的困難，就在於聆聽。聆聽合成語音如果對聽常族群來說本來就比較困難，那對聽障族群應該是更加艱困的挑戰吧！Kangas 和 Allen 的研究^[11]回答了這個問題。研究者請年長聽障者聆聽自然語音與合成語音，並請他們在聆聽後寫出聽到的單字。結果可想而知，聽障者確實在聆聽合成語音的部分表現得比較差。

看完上面的狀況，身為語音設計師的你，在設計語音的時候，是不是也應該從使用者的背景差異去調整你的語音呢？也許是調整語音的頻率，也許是調整語速，也可能，也可能有更多領域需要探索。唯有這樣，才能朝充滿人性又個人化的智慧語音邁進。

怎麼樣？沒想到要設計語音，希望機器說出一句話，背後涉及理性的技術與感性的考量，非常不容易吧！看完之後，你還是可以輕鬆地要求你的行動裝置說個笑話，唱首歌給你聽，自娛娛人；但也千萬別忘記，多留點心思，給這人類文明的結晶致上敬意。一日語音設計師，功成身退！

參考資料

1. 詹姆士・弗拉霍斯。(2019)。從說話機器人到聊天機器人。聲控未來：引爆購物、搜尋、導航、語音助理的下一波兆元商機(孔令新譯，頁104-137)。商周出版。
2. Marc Jacob.(2022/3/30). Medill Study Finds Preference for Female Voices and Local Accents. Northwestern Medill Local News Initiative.
3. 顏宏旭，楊麗平，宋慧宏。(2020)。聽眾對語音合成導覽裝置聲音偏好之探討。戶外遊憩研究。33(4)，83-107。
4. West, M., Rebecca K., & Chew H.E. (2019). I’d Blush if I Could: Closing Gender Divides in Digital Skills Through Education.UNESCO & EQUALS Skills Coalition.
5. GenderLess Voice. (2023/3/3) Meet Q [Web message].
6. Sutton, B., King, J., Hux, K., & Beukelman, D. (1995). Younger and older adults’ rate performance when listening to synthetic speech. Augmentative and Alternative Communication, 11(3), 147-153.
7. Walker, V. G. (1988). Durational Characteristics of Young Adults during Speaking and Reading Tasks. Folia Phoniatrica et Logopaedica, 40(1), 12–20.
8. Speechify. (2023/3/3) Speechify.
9. Winters, S. J., & Pisoni, D. B. (2004). Perception and comprehension of synthetic speech. Research on spoken language processing report, 26, 95-138.
10. Mirenda, P. & Beukelman, D.R. (1987). A comparison of speech synthesis intelligibility with listeners from three age groups. Augmentative and Alternative Communication, 3, 120-128.
11. Kangas, K.A. & Allen, G.D. (1990). Intelligibility of synthetic speech for normal-hearing and hearing impaired listeners. Journal of Speech and Hearing Disorders, 55, 751-755.

歷史學家長久以來都在爭論，某個人如果留下了不成比例的後代數量，對於人類歷史影響會有多大。星團分析提供了客觀的資訊，讓我們知道在歷史中不同的時間點上，權力極端不平等的重要性。

以 Y 染色體追蹤權力不平等的原因

托馬斯．奇維希德（Toomas Kivisild）與馬克．史東金（Mark Stoneking）各自帶領的研究，都比較了對於 Y 染色體序列和粒線體DNA星團分析的結果，並且得到一個令人驚奇的結果。

兩個人計算一對序列中 DNA 字母的差異數量，由於突變的累積速度是固定的，他們的研究可以估計出不同的兩人組合之間，純父系譜系（Y 染色體）的共同祖先和純母系譜系（粒線體 DNA）的共同祖先各自存在的時代。

在關於粒線體 DNA 的研究中發現，現今族群中幾乎所有的兩人配對，在萬年內純母系譜系相同的機率非常低，世界許多地區是在那個年代之後才出現了農業。如果那段期間中族群都很大，可以預期會出現這樣的結果。

但是在關於 Y 染色體的研究中，發現的模式卻截然不同。在東亞人、歐洲人、中東人和北非人，那些科學家都發現許多「星團」，這些共同的男性祖先生活大約在五千年前。

五千年前在歐亞大陸，正好發生了考古學家安德魯．謝拉特（Andrew Sherratt） 所說的「次級農產品革命」（Secondary Products Revolution）：人類發現到牲畜除了能作為肉品來源之外，還有其他用途，例如拉車、耕地、產生乳汁與織品（例如羊毛）。

莫約也是從青銅時代開始，拜馴化馬匹與發明輪子及具備輪子的交通工具之賜，人類移動的能力增加，同時能夠累積大量財富。同時累積的還有銅和錫等比較稀有的金屬，這些金屬是青銅的材料，可以運到數百或甚至數千公里外。

Y 染色體模式指出，就是在這段時間，人類之間的不平等狀況增加了，遺傳狀況道出了當時一個群體中，權力集中到一小部分人的程度是前所未有的，可能是新的經濟體制促成了這種狀況。

在那個時期中，具有權力的男性對所處族群的影響力非常巨大，遠遠超過之前的時代，讓有自己 DNA 的後代數量超過成吉思汗留下的。

顏那亞民族擴張帶來的不平等社會

結合古代 DNA 和考古學研究，我們正在開始了解到這種不平等可能具備的意義。五千年前，剛好是顏那亞人在黑海與裏海的北方興起的時間。在第二部中討論過他們藉由馬匹和車子，首度能夠使用廣闊草原地帶上的資源。

遺傳資料指出，顏那亞人和他們的後代非常成功，幾乎取代了在其西方的歐洲北部農耕者，以及在其東方的中亞狩獵－採集者。

考古學家金布塔絲認為，顏那亞社會中性別不平等和社會階級分明的現象是前所未有的。顏那亞人留下了巨大的墳丘，中心部位中，男性的骨骸佔了約八成，這些骨骸上通常具有暴力傷害的痕跡，同時有其他可怕的金屬短劍和斧頭陪葬。

金布塔絲認為，顏那亞人抵達歐洲，預示了兩性之間權力關係的轉變。這個時期剛好是金布塔絲所說的「舊歐洲」沒落時期。舊歐洲的社會比較少暴力活動的證據留下，社會中女性處於核心地位，到處都有小型女神雕像留下。

在她重構出的歷史中，「舊歐洲」被以男性為中心的社會所取代。相關證據並不只來自於考古證據，那些可能經由顏那亞人所散播的印歐文化，例如希臘文化、北歐文化和印度文化中，神話都是以男性為中心。

對於文字歷史時代之前人類文化的詳細描述，都需要謹慎看待。不過古代 DNA 資料的確證明了顏那亞人的社會中，權力集中在少數菁英階級的男性。顏那亞人的 Y 染色體類型就只有幾種，代表了少數男性成功散播了自己的基因。

相較之下，顏那亞人的粒線體 DNA 序列就更為多樣。顏那亞人的後代或是他們的近親，把自己的Y染色體散播到歐洲和印度，這種擴張對人口造成了重大的影響。在歐洲與印度，這些 Y 染色類型在青銅時代之前並不存在，但是現在卻是這兩個區域中主要的類型。

現今在歐洲西部和印度的人口中，來自草原的 Y 染色體類型所佔的比例要比草原基因組其他部分所佔的比例高出許多，從這點就可以看出來，顏那亞人的擴張並非全然都是友善的。草原男性血統所佔的比例高，代表了顏那亞人的男性後代在政治上或經濟上比較成功，在與當地男性競爭伴侶的時候占優勢。

我所知最令人驚訝的例子來自於歐洲西南端的伊貝利亞半島，在四千五百年前到四千年前青銅時代一開始的階段，來自於顏那亞的血統抵達了那裡。

布萊德利的實驗室和我的實驗室各自從那個時期的遺骸中取出古代 DNA，發現在草原血統抵達時，伊比利亞族群中有百分之三十受到取代，但是 Y 染色體受到取代的幅度更高：在我們的資料中，在具有顏那亞人血統的男性，有九成帶有來自草原的 Y 染色體類型，這種染色體之前未曾在伊比利亞出現過。顯然草原族群在擴張的時候，階級高低非常分明，而且權力分配極度不平衡。

權力累積代代相傳

對於「星團」的研究主要靠分析Y染色體和粒線體 DNA，那麼分析全基因組會有幫助嗎？

用全基因組資料可以重建出最近一萬年中絕大多數農業群體的祖先族群大小，發現到在這段期間族群增大了，看不出 Y 染色體所指出在青銅時代出現了瓶頸效應。那是只彙整 Y 染色體資料和粒線體 DNA 資料所看不出來的。

其實我們很清楚，用 Y 染色體是看不出來某些遺傳類型是否能夠更成功的傳到後代。理論上，我們可以用天擇來解釋，說有些 Y 染色體類型能夠讓攜帶者具有某些生物優勢，例如生育能力提高。

但事實上全世界在同個時期有數個地方同時都出現了這種遺傳模式，那個時段剛好是社會階級明顯的社會興起時期，用天擇利益來解釋多個地區各自出現了有利於生物繁衍的突變，實在太勉強。

我認為比較有可能的解釋是在這段時期，某一個男性開始累積的權力大到不只能夠和大量女性交配，而且能夠把自己在社會上的優勢傳給下一代，確保自己的男性後代在生育上也那麼成功。

代代相傳之下，使得這些男性的 Y 染色體在族群中的頻率增加，留下的遺傳痕跡充分表示出過往社會的狀況。

在這段時期，個別女性累積權力也有可能比以往更多。但是由於生物特性的限制，即使是集權力於一身的女性也不可能有超多的後代，因此社會不平等在男性血脈中更容易看出來。

——本文摘自《我們源自何方？：古代DNA革命解構人類的起源與未來》，2023 年 ３ 月，馬可孛羅出版，未經同意請勿轉載。

性別認同使「他」決定成為男生

在治療癌症多年之後，本‧巴雷斯（Ben Barres）回憶他是如何措辭向腫瘤科醫師提出了請求。

他問道：在切除我的乳房時，能否請你把另一個乳房也一併拿掉？由於他的家族有癌症病史，醫師便同意了，但事實是巴雷斯只是想要擺脫那雙乳房。他有個女性名字，身為女孩長大成人，但他對自己的女性身分一向感到不自在。四歲時他覺得自己是個男孩，青春期的身體變化令他難安，成年後要把自己塞進高跟鞋和伴娘禮服也令他不自在。

那是一九九五年，是在變性人拉維恩‧考克斯（Laverne Cox）和凱特琳‧詹納（Caitlyn Jenner）成為家喻戶曉的人物之前，是在谷歌搜尋「變性人」會得到法律建議之前，甚至是在有谷歌之前。當時巴雷斯並不了解身為變性人是什麼意思，但是切除了雙邊乳房是種莫大的解脫。一年之後，他讀到一篇講一名變性男子的文章，他豁然了悟。

巴雷斯渴望展開荷爾蒙治療，但是他有一大顧慮：他的事業。當時四十三歲的他是史丹佛大學的神經生物學家，剛發現了神經膠質細胞的重要，這種大腦細胞的角色在那之前一直被低估，他的發現具有開創性。

科學界的同儕一直視他為女性，他不知道他們對於他改變性別會有什麼反應。學生是否會不想再參與他的實驗室工作？他是否不會再受邀參加學術研討會？

科學界的態度變化

科學界的確作出了反應，但不是以巴雷斯所擔心的方式。在他變性之後，不曉得他是變性人的那些人開始更仔細地聆聽他的意見，不再質疑他的權威。身為中年白人男子，在開會時不再有人打斷他。在證據不夠充分的時候，別人一次又一次地姑且相信他。他甚至在購物時得到更好的服務。

在一場研討會上，他無意間聽到一個不知道他是變性人的科學家說：「本今天做的專題研討很棒，再說，他的研究成果要比他姊姊強得多。」

巴雷斯很驚訝。在變性之前，他很少察覺性別歧視，甚至連明顯的例子都沒注意到。巴雷斯還就讀於麻省理工學院大學部時，有一次他在一堂數學課上解開了一個難題，是全班唯一解開這道題的學生，教授說：「想必是你男朋友替你解答的。」這句話冒犯了巴雷斯。題目當然是他自己解開的，他甚至根本沒有男朋友。

可是當時他不認為教授此言帶有歧視，因為他以為性別歧視已經不存在了。就算性別歧視還存在，由於他對女性身分缺少認同，不足以讓他覺得性別歧視會發生在他身上，他只氣憤自己被指控作弊。在變性之前，巴雷斯認為自己受到的對待就跟其他人一樣。

現在他有了驚人的證據，證明了事情正好相反。那簡直就像個科學實驗：他擁有同樣的學歷、同樣的技能、同樣的成就、同樣的職位。除了一個變數之外，其餘的變數都維持不變。

巴雷斯清楚看出，他的日常遭遇、他的科學家生涯、他的生活全都由別人眼中所見的性別所塑造，以他自己以前不曾看出的方式。在變性之前，他的想法、貢獻和權威都遭到貶抑，雖然並非公開，也非全盤，但是當造成貶抑的因素忽然消失，這一切就變得清晰可見。如今，男性和女性所受到的差別待遇被看清了，就像花瓣在紫外線照射下呈現出新的圖案。

科學界中對女性的偏見

因此，二○○五年，當哈佛大學校長薩默斯（Larry Summers）表示科學界的女性之所以不多，可能係由於兩性在能力上的先天差異，巴雷斯無法默不吭聲。他在《自然》雜誌（Nature）上發表了一篇由衷的呼籲，要求科學界關注偏見的問題。

「這就是女性在學術界工作所佔比例不高的原因」，他說，「原因不在於照顧小孩，也不在於家庭責任。」他又說，在他改以男性的身分在科學界工作之後，「這個念頭在我腦中浮現了一百萬次：現在的我更受到重視。」並不是說巴雷斯在變性之前從未在職業生涯中遇到過障礙和偏見，「只是我從來沒有看出來」，他告訴我。

我們當中許多人都曾在與別人接觸時有過經驗，使我們納悶偏見是否起了作用。但是我們呈現在外界眼中的樣子如果不曾有過戲劇化的轉變，我們可能就沒有機會來證實這些直覺。

如果我們的體重有了可觀的增減，或是有了明顯可見的殘疾，我們或許能夠向自己證實這些直覺。如果我們去其他國家旅行，而我們的膚色在當地具有不同的意義，那麼我們或許也會看得出來。就像有個黑人學生告訴我，他在義大利旅行時有種奇怪的感覺，後來他明白那是因為他在商店裡被懷有疑心的店員緊盯著。

異性婚姻的夫妻，如果配偶進行了性別轉換，就往往會看出當他們還是異性婚姻的伴侶時多麼受到認可。最終，我們當中許多人都將會感受到老年人所受到的歧視和不尊重。但我們往往還是很難確定自己所遭遇的偏見。

——本文摘自《隱性偏見》，2022 年 10 月，平安文化出版，未經同意請勿轉載。