人类真实表达喜悦、悲伤和恐惧的非语言发声的声学特征，以及这些特征对猫咪叫声情感色彩的影响

《Cognitive Neurodynamics》：The acoustic features of sincere joyful, sad, and fearful human non-verbal vocalizations and its effect on the emotional valence of cat’s meowing

本研究分析3000余猫叫声视频，筛选664个可信样本，计算声学参数并请专家评估情感。发现快乐叫声高FD和EMF，悲伤叫声响度高且声学变异低，恐惧叫声在1-2kHz频段PSD高。通过参数调整可改变人类对猫叫的情感解读，揭示人类情感解读存在人类中心偏差，且受听者自身状态影响。

　　

摘要

对情感性非语言发声的感知依赖于特定声学特征的复杂相互作用，这些特征有助于识别情绪的“效价”（valence），并促使人们产生适当的行为反应。在本文中，我们分析了超过3000段包含笑声、尖叫和哭声的视频，从中选取了664个具有高度辨识度且真实的情感声音进行进一步研究。我们计算了线性和非线性声学参数，包括频谱和时间特征，并邀请一组专家对这些声音在快乐、悲伤、恐惧和真诚四个维度上进行评估。快乐的声音表现为较高的分形维数（fractal dimensions, FD）和包络平均频率（envelope mean frequency, EMF）；悲伤的声音则通过响度和较低的声学变异性来区分；恐惧的声音则通过其最小和最大响度水平以及1–2 kHz范围内的较高功率谱密度（power spectral density, PSD）来识别。非语言声音的真诚度与非线性特征以及0.5–1 kHz范围内的功率谱密度相关。利用这些声学参数，我们对中性猫叫声进行了修改，使其包含了快乐、恐惧和悲伤等情感特征。这些修改影响了人类对猫叫声的情感感知，揭示了在情感解读上存在以人类为中心的偏见。我们的研究结果表明，人们对猫叫声的情感感知受到人类特有的声学线索的影响，并且会受到听众自身幸福感和情绪状态的调节。

对情感性非语言发声的感知依赖于特定声学特征的复杂相互作用，这些特征有助于识别情绪的“效价”，并促使人们产生适当的行为反应。在本文中，我们分析了超过3000段包含笑声、尖叫和哭声的视频，从中选取了664个具有高度辨识度且真实的情感声音进行进一步研究。我们计算了线性和非线性声学参数，包括频谱和时间特征，并邀请一组专家对这些声音在快乐、悲伤、恐惧和真诚四个维度上进行评估。快乐的声音表现为较高的分形维数（fractal dimensions, FD）和包络平均频率（envelope mean frequency, EMF）；悲伤的声音则通过响度和较低的声学变异性来区分；恐惧的声音则通过其最小和最大响度水平以及1–2 kHz范围内的较高功率谱密度（power spectral density, PSD）来识别。非语言声音的真诚度与非线性特征以及0.5–1 kHz范围内的功率谱密度相关。利用这些声学参数，我们对中性猫叫声进行了修改，使其包含了快乐、恐惧和悲伤等情感特征。这些修改影响了人类对猫叫声的情感感知，揭示了在情感解读上存在以人类为中心的偏见。我们的研究结果表明，人们对猫叫声的情感感知受到人类特有的声学线索的影响，并且会受到听众自身幸福感和情绪状态的调节。