马德里卡洛斯三世大学（UC3M）的一个研究团队成功开发出一种基于人工智能的创新技术，能够通过声音的副语言特征——如音调、节奏和强度等——检测性别暴力的迹象。该方法利用先进的机器学习算法，分析语音中的生物标志物，从而识别出可能存在的心理压力或创伤状况。这项技术的独特之处在于，它能够在无需理解说话内容的情况下进行分析，从而有效保护说话者的隐私，为电话热线、远程医疗服务等领域提供了广阔的应用前景。
图示：用于训练性别暴力检测系统的语音样本三维频谱图
（图片来源：UC3M）
这项研究成果已发表在最新的《应用科学》科学期刊上。研究团队采用了一种基于对抗性架构的技术，该架构能够通过学习与声音频谱相关的生物标志物，识别出遭受性别暴力的潜在受害者。论文作者之一、UC3M信号理论与通信系的卡门·佩拉埃斯·莫雷诺教授解释道：“这种对语音特征的分析方式，与人类直觉判断非常相似。我们的创新在于，将这种认知能力迁移到神经网络中，使其能够模拟人脑处理声音信息的方式，从而实现自动化的识别。”
在研究过程中，团队与参与虚拟现实实验的志愿者进行了合作。实验中，参与者分别观看包含暴力内容和不含暴力内容的视频，研究人员则通过传感器记录他们在不同情感刺激下的行为和声音变化。佩拉埃斯教授指出：“从这些记录中，我们观察到一个非常显著的现象：曾经遭受过暴力的个体，与没有类似经历的个体，在面对相同刺激时，其声音反应模式存在系统性的差异。这是一个意料之外的发现——我们原本在探索其他研究方向，却意外发现仅通过分析一个人的声音特征，就可能判断出其是否是性别暴力的受害者。”
这一发现为多个实际应用场景带来了新的可能。首先，该技术有望在临床环境中作为一种早期、非侵入式的心理健康筛查工具，帮助专业人员更早地发现潜在问题。其次，它可以被集成到虚拟助手、社会服务平台等数字工具中，通过语音分析实现自动化的风险识别。这将极大提升对性别暴力受害者的早期发现能力，帮助他们更快速、有效地获得专业支持，进而减少因隐瞒或未及时报告而导致的悲剧。
佩拉埃斯教授进一步强调：“设想一下，当有人拨打求助热线、前往医院就诊或寻求社会服务时，我们能够在不侵犯其隐私的前提下，通过声音识别出其可能正遭受性别暴力。这样一来，我们就能够在事态恶化之前介入，甚至在当事人自己尚未完全意识到自身处境之前，就给予必要的帮助。这对其心理康复至关重要，而这种干预应远远早于案件进入公众视野。”
本研究是UC3M4Safety团队主导的“Bindi项目”的重要组成部分。该项目旨在通过技术手段，预防暴力事件、辅助证据收集并为受害者提供早期援助，从而更有效地打击性别暴力。UC3M4Safety团队由Celia López Ongil和Clara Sainz de Baranda Andújar教授共同领导，成员来自性别研究所、工程学院以及UC3M各院系，汇集了工程学、社会科学与人文学科等多个领域的专家学者。
UC3M电子技术系教授、性别研究所主任Celia López Ongil总结道：“我们团队致力于以技术回应社会问题，深信科技创新能在应对性别暴力、支持受害者走出困境方面发挥关键作用。通过多学科的交叉合作，我们希望构建一个更加安全、更具包容性的社会环境。”
