ActorMind：模拟人类演员推理以实现语音角色扮演

角色扮演为人机交互和社会学研究提供了坚实基础，但现有工作局限于文本模态，忽视了日常生活中占主导地位的语音，限制了真正的角色扮演。为此，本文通过 ActorMindBench 对语音角色扮演进行了概念化与基准测试，并提出了相应的推理框架 ActorMind。该框架是一种现成的、多智能体、思维链风格的推理系统，旨在模拟人类演员在剧院中的表现。具体而言，Eye Agent 读取角色描述，Ear Agent 理解上下文对话中的情感线索，Brain Agent 生成描述性情感状态，最后由 Mouth Agent 输出注入相应情感状态的台词。实验结果证明了 ActorMind 在增强语音角色扮演方面的有效性。