专题| AI新闻主播的社交线索研究:迈向人本智能媒体传播

AI新闻主播的社交线索研究：

迈向人本智能媒体传播

导语

随着人工智能技术的快速发展，人工智能新闻主播(Artificial Intelligence News Anchor，以下简称“AI新闻主播”)逐渐成为媒体行业的重要创新实践[1]。AI新闻主播是由人工智能驱动、融合语义生成与三维建模技术的数字化传播主体，具备自动播报与内容生成能力，呈现信息处理自动化、输出语言多样化与工作时效持续化等优势[2]。其发展可追溯至2001年，英国新闻联合社推出了全球首位虚拟主播“阿娜诺娃”（Ananova），标志着该领域的初步探索[3]。中国在该领域持续发挥引领作用，2018年，新华社联合搜狗公司推出全球首个AI合成新闻主播，实现了人脸建模、语音驱动与播报能力的整合升级。此后，印度、俄罗斯、科威特、印尼等国家也陆续推出萨娜（Sana）、莉萨（Lisa）、斯涅扎娜·图马诺娃（Snezhana Tumanova）、费达（Fedha）与纳迪拉（Nadira）等AI新闻主播。

近年来，随着ChatGPT和DeepSeek等生成式人工智能对语义理解与交互能力的持续赋能，AI新闻主播已从机械式播读的技术工具演化为具有拟人特征与技术中介属性的“虚拟社会行动者”[4]。中国在该领域发展尤为迅速，不仅技术能力持续提升，更在党的二十大、北京冬奥会、两会等重大报道中实现了AI主播的深度参与常态化应用，逐步形成较为成熟的实践体系。[5]与此同时，AI新闻主播正在全球范围内被广泛部署，其传播效果、受众接受度与社会影响也引发了学术界的持续关注[6]。然而，技术应用日趋精进的背后，其优化方向仍缺乏统一的理论指导与成熟的行业规范。在实际应用中，AI主播常被用户“反向调教”，通过提示词漏洞操控其播报内容制造节目效果，甚至引发信息失真与舆论风险。同时，部分AI主播的场景落地仍存在盲目性，若忽视其共情能力缺失或即时反馈滞后的技术短板，容易造成传播失效，甚至引发伦理争议与算法偏见等深层问题。因此，AI新闻主播的优化不仅应着眼于技术性能的迭代升级，更需回归“以人为中心”的理念，从用户感知与交互体验出发，融合人机交互视角优化其呈现方式，强化说服力与共情能力，进而实现更具可信度与社会适配性的智能传播效果。

目前，AI主播相关研究在营销等领域得到广泛应用与研究[7-10]，但其在新闻传播领域的理论探索相对滞后，相关研究，特别是实证研究明显不足[11]。相较于电商或娱乐领域对用户吸引力、参与度的偏重，新闻传播中的虚拟主播更强调可信度、专业性与社会临场感，因此不能直接套用他域经验，而亟须从传播学角度开展专门研究。已有研究发现，在影响AI新闻主播传播效果的众多因素中，社交线索（Social Cues）扮演着核心角色 [12]。线索指的是对于观察者而言，能将其视为有用信息渠道的显著的生物和物理决定性特征；社交线索可被理解为社会行动者所表现出来的生理或行为的特征[13]，包括语言、语调、面孔、表情、姿势、感觉等。根据“计算机是社会行为者”（Computers Are Social Actors，CASA）理论，只要计算机等媒介具备社交线索，人类用户便会自动激活人际交往的心理反应机制并对其做出例如互惠互利、礼貌待人等行为[14，15]。因此，社交线索成为技术呈现与社会反应的关键机制，不仅影响受众对AI新闻主播真实性感知与信任评价，也决定了其能否在日常传播中实现功能性嵌入与社会性接受。

基于上述问题，本文围绕AI新闻主播中的社交线索研究开展系统性文献综述，通过梳理现有研究进展与理论脉络，旨在为学界和业界提供整体认识基础，并为后续研究与应用实践提供方向指引。

为了对AI新闻主播的社交线索相关研究进行系统性梳理，本文基于以下三个步骤对文献进行检索与筛选工作（见图1）。

第一，文献识别。在CNKI数据库中，本文于2025年7月8日分别以“人工智能新闻主播”“AI新闻主播”“智能新闻主播”“AI主播”为关键词进行文献检索，并将检索的时间范围设定为2001—2025年，得到75篇中文文章。在Web of Science核心数据库中，本文于2025年7月8日使用主题中出现的关键词AI/artificial intelligence/virtual/digital/avatar/synthetic (new) sanchor 为依据进行文献检索，并将检索的时间范围设定为2001—2025年，得到134,935篇外文文章。

第二，文献筛选。首先，本文对检索文献的研究方向进行精练和排除，基于研究方向筛选后得到615篇外文文献；限定中文期刊的研究方向筛选后得到61篇中文文献。

第三，文章纳入。通过对上述文献的题目、摘要及关键词和正文进行人工筛查，剔除了与AI新闻主播的社交线索主题无关的文章后，最终将38篇外文和38篇中文纳入本文，共计76篇。

在实验研究中，社交线索常作为自变量进行操控，以观测其对用户反应、媒介效果等指标的影响。不同学者从语义风格、声音属性、面部表情、交互频率等维度对社交线索进行分类，但当前尚缺乏统一框架。在本文中，我们结合传播学与人机交互领域的已有成果，将虚拟新闻主播的社交线索划分为两个维度：一是主播本体属性线索，包括语音语言、视觉呈现与个性设定；二是传播环境线索，包括文化背景、交互情境与伦理规范等外部条件。

2.1 AI新闻主播本体属性线索

第一，语言和语音线索。语言承载着沟通的信息核心，直接影响着信息传达的清晰度与说服力。语音与语调作为语言的声学表现，是影响传播效果的关键线索[16]。早期由于技术限制，AI新闻主播的研究主要集中在语音合成与播报效果上，视觉和交互线索尚未成为主流关注的焦点。AI合成语音可减少人力成本，实现高效播报[17]。当然，新闻传播的意义不仅在于信息本身，更涉及意义赋予与情感共鸣的功能[18]。情感连接是促进情感投入、深化用户使用体验的关键，新闻主播在情感表达上的自然性和真实感对于用户与其建立情感连接至关重要[19]。研究发现，AI合成语音在语速、语调变化及情感表达方面较真人播报仍存在差距，难以有效激发听众情感共鸣[20-22]”。具体而言，AI新闻主播的语言常因缺乏动态调整能力，难以实现与用户的共情，可能导致新闻信息在情感层面的传播缺失[18]，从而影响满意度[11]和持续使用意愿[23]。此外，缺乏情感起伏与声调变化的AI语音难以激活用户的情绪与记忆系统，导致认知效率与信息接收效果下降[24]。即使研究者将人类播音标准转用于AI语音播报的评估，使AI新闻主播的声音条件具备专业水准，但其在情绪表达和受众喜爱度方面仍受限于文本内容与受众类型[20]。当前，AI新闻主播虽能完成基础信息播报，但在语言逻辑与语境适配性上存在明显短板，尤其在面对复杂议题时，其语言逻辑连贯性与修辞丰富度仍有很大提升空间[25]。已有研究表明，通过引入拟人化语音特征，AI新闻主播可在一定程度上增强其感知吸引力并提升用户的情感接受度[26]。此外，适当调整语速[27]与语音性别[28]等特征可提升用户注意力与情感反应，尤其女性声音更易引发共鸣，从而显著增强传播效果[21，29]EEG，是克服合成语音与真人声音差异的突破方向。

第二，视觉线索——包括面容比例（如轮廓、五官分布）、肤色视觉形象、整体姿态、眼神交互、面部表情和肢体动作等，是AI新闻主播与受众建立视觉主动关系、吸引注视并调节情绪的关键媒介。从机器人到数字虚拟人，大量研究均指出拟人化的外观设计对人机信任关系的建构有很大影响[30]，能积极影响用户情绪，进而提升使用意愿[6，11，31-33]”。此外，即使是非拟人化形象，只要是动作友好自然，也能显著提升社会临场感与情绪响应[34]。然而，拟人化的程度仍需更精准把握 [35]。相关研究也发现，相较于高度拟人化的AI新闻主播，非类人形象的AI新闻主播（例如卡通）在激发观众观看意愿方面更具优势[36]，其设计更能有效避免因高度真实外形与僵硬表情，尤其是面部上半部分的表情缺失[37]，以及机械动作等而引发的恐怖谷效应，从而显著降低用户的不适体验[38]。这或许也与早期AI新闻主播普遍存在的情感表达和互动能力不足有关，导致其难以获得与真人主播相当的亲和响应。随着语义生成、情感计算的不断进步，“有温度的数字人”仍被寄予厚望，通过自然的眼神交流与表情变化增强用户的真实感[39]。

需要注意的是，在虚拟主播，尤其是AI新闻主播的研究中，视觉与听觉线索常被作为协同的整体加以考察，用户对可信度、吸引力与记忆效果的反应通常源于两者的联合作用。研究指出，逼真的形象、流畅的对话和专业的语调等线索提升其权威性和真实性，有助于增强信任[11]。相较之下，非人类形态的女性AI新闻主播在搭配拟人化语音时，最能激发受众的感知吸引力，并显著提升其对主播报道内容的信任度[26]。因此，高仿真并非决定传播效果的唯一路径。真人主播播报本身在受众喜爱度和记忆效果上仍具优势，保留真实主播仍有其价值[40]；另一方面，物理线索的差异化设计往往优于对人类外形的简单模仿。

第三，个性线索，或称为人格化设定（人设），是AI新闻主播区别于冰冷机器的关键社会线索。在众多社交线索中，人设定位被视为提升营销领域AI主播社会接受度的关键因素，依次为交互功能、底层技术能力和外观形象设计[41]。人设在AI新闻主播中也可能发挥相似作用。有学者指出：为AI新闻主播设立社交媒体账号并塑造鲜明人设，有助于吸引用户关注，强化其与用户之间的情感联结[42]；并且AI新闻主播的人设与情绪披露即使为模拟，也可在贴合场景时有效激发用户情感并提升传播效果[4]。研究发现，当AI新闻主播在人机协作等场景中做出幽默回应时，用户的参与感将显著提升[43]；当AI新闻主播被赋予“文化修养”“主动性”等个性特征时，用户会更倾向于在心理上将其视为伙伴，而非单纯的信息工具[44]。然而，当前AI新闻主播的个性多为算法预设的“伪个性”[39]，其缺乏像人类一样的动态个性成长与转变，也有可能引发用户厌倦。并且，研究表明，即使AI新闻主播有较高感知吸引力，传统主播的刻板印象（如严肃、端庄）会削弱用户对AI新闻主播的观看意愿 [26]。因此，情感计算是实现个性线索的关键手段，其智能情感表达技术的发展有望打造出更具温度与风格的AI新闻主播，从而带来更自然、更具说服力的交互体验，打破刻板偏见，提升用户接受度[45]。值得警惕的是，智能情感的实质是技术雕琢下的人工物[46]，AI新闻主播的情感模拟本质是算法对人类情感的简化，可能消解新闻的人文价值，需要更严谨的边界划定与把关[47]。

2.2 传播环境线索

AI新闻主播社交线索的现有研究主要集中于在实验室环境中探讨AI新闻主播自身属性线索对其传播效果的影响，但较少关注到其传播环境线索。有学者基于扎根理论构建模型指出，AI新闻主播的感官、功能与情感可供性是其社会接受度的核心前因，而用户的社会判断起关键中介作用：其媒介素养、信任倾向与内隐偏好将显著影响可供性如何转化为实际接受意愿[48]。因此，在探讨AI新闻主播的社会接受过程中，仅关注其本体特征仍显不足，还需纳入传播环境中的关键线索，如平台标识、播报场景等，这些外部线索将与用户的社会判断共同作用，影响其对AI新闻主播的认知框架与信任建立路径。

首先，社会文化线索作为影响AI新闻主播接受度的重要因素，体现为文化背景、价值观认同和代际偏好的多重作用机制。有学者将受众在特定社会文化氛围中形成的心理和精神状态[49]纳入研究考量，发现用户对AI新闻主播的信任度不仅取决于其专业能力，更受其是否符合社会主流价值观，即用户所感知的社会规范的影响[50]。由于不同文化背景下的群体存在差异化的认知模式，某些在西方语境中被视为真实的信息，置于其他文化环境中可能引发认知冲突乃至价值争议[51]。此外，最新调查发现：西方用户更倾向于控制AI，而中国用户更看重与AI的连接与关系性，倾向于将其视为“温暖”的存在[52]。由此可见，尽管AI新闻主播在全球范围内日益普及，但政治立场、意识形态及文化差异等主观因素仍不可避免地影响受众对其客观性与接受度的评价。例如，对于巴基斯坦等低收入国家中由人工智能引领的变革，人们知之甚少[53]。有研究以津巴布韦于2023年推出的AI新闻主播Alice为对象，结合深度访谈与社交媒体评论分析发现受众的关注点意外地集中于其对本地术语的发音失误，而非新闻内容，并默认Alice带有西方属性，削弱了本土文化认同[54]。与此同时，有研究指出，在一些宗教文化盛行的地区，宗教敏感话题也将约束AI新闻主播的个性线索表达[55]，埋下意识形态和文化渗透等潜在安全隐患。除了国家文化差异，代际差异同样深刻影响受众对AI主播的感知与接受。研究表明，年轻群体比中老年群体更容易感知AI新闻主播的可靠性[56]，且对其个性表达更为敏感，影响程度远超其他特征[50]。此外，用户的价值取向也发挥调节作用：享乐型用户更关注情感模拟，功利型用户则更看重信息效率[57]。这些发现不断印证对AI新闻主播文化适配能力的广泛关注，也凸显了提升其文化敏感度的现实必要性[58，59]——作为环境线索核心的社会文化因素决定了AI新闻主播唯有回应不同群体的价值观与传播偏好，方能实现有效传播与社会接受。

其次是交互环境线索。根据心智知觉理论（Mind Perception Theory），能力和温暖感知是个体感知非人类实体的两个关键维度[60]。显然，基于多模态大模型技术的高智能AI新闻主播具备用户期待的有效性、实用性及效率水平，能更敏感、准确地回应客户的问题并进行互动[61]。但当用户对于AI新闻主播的技术新鲜感退去以后，纯技术化带来的类真不足与灵韵缺乏往往容易导致用户对AI新闻主播的交往感知不尽如人意。对此，有研究指出，AI新闻主播可以通过实时弹出窗口等机制收集受众反馈，同时增设更多情感互动环节，使用户在获得有价值的信息或解决问题的过程中感知到服务价值，进而建立起类似于友谊的亲密关系[62]。类似地，有学者从情感理论视角出发，认为AI新闻主播推广的品牌应尽可能有效地在幕后通过弹窗等方式进行互动，为直播间营造浓厚的情感氛围，弥补AI新闻主播缺乏情感连接的不足 [63]。然而，已有研究发现，高技术自我效能感个体即认知程度与技术能力匹配的用户，在与AI的互动中更能投入和频繁体验到积极的情感[64]。因此不可忽视的是，当代人工智能技术构成的复杂性、不可预测性和不断演进的特征[65]，也为用户与AI新闻主播的互动带来了一定的技术门槛，影响着人机信任关系。

再次是场景线索。场景适配是人工智能应用的关键[66]。已有研究证实，网红在直播带货过程中可通过播放音乐、宣传产品安全信息、设置场景等方式主动营造共情氛围，并借助积极情绪提升消费者参与度及消费者对产品与网红自身的信任[67]。鉴于用户时间的碎片化、情境和空间的快速切换，智媒时代的新闻消费呼吁针对用户需求生产相应新闻产品并在合适的场景下进行推送的场景构建[68]。例如，在以信息传递为核心的功能场景中，AI新闻主播更需强化话语逻辑与信息准确性，其“类人化”程度对传播效果影响较弱[25]；在全天候新闻播报中，用户则更关注AI新闻主播语言线索的清晰度与连贯性，对表情、动作等物理线索的敏感度较低[18]。而在需要共情或涉及伦理争议的场景中，AI新闻主播因悲伤等复杂情感的缺失，更加难以获得用户认同，其人文关怀表达若与场景需求脱节，会引发用户强烈反感[47]。同时，商业场景与新闻场景的差异也会重塑核心线索的作用——在直播带货场景中，营销领域的AI主播的断言式表达与形象吸引力能提升用户的购买意愿；而在新闻场景中，这种组合反而可能降低用户的可靠性感知[50，69]。未来AI新闻主播如何借助技术优势快速准确地找寻并推送“因地制宜”的场景方案，将成为视听行业持续探索的一项重要课题。

最后是伦理道德线索。近年的研究与监管趋势表明，“身份标识”与“伦理透明度”等伦理道德线索正在成为AI新闻主播不可忽视的社交线索类型。特别是在新闻传播等高度依赖信任的场景中，是否明确标识AI身份、是否披露内容生成机制（如DeepSeek 展示的深度思考链条）已被证实显著影响用户的信任感与判断方式[70]，并作为重点内容被纳入欧盟《人工智能法案》（Artificial Intelligence Act，AI Act）中加以强调。在对中国媒体从业者的访谈中发现，多数受访者认为，人类应该在AI应用中更好地扮演把关人的角色，以辅助而非替代为原则，允许编辑控制策划算法、监督算法，并在必要时推翻算法[71]。

随着人工智能技术的发展与深入应用，AI新闻主播通过模仿真人主播的语音、唇形、表情等，成为新型智能传播主体[4]，越来越多的研究关注到AI新闻主播不仅仅是一项“新技术”，更是嵌入社会互动中的“社会行动者”[31]。虽然已有研究在AI新闻主播的传播机制与用户反应方面积累了丰富成果，但大多聚焦于宏观接受度、传播效果等层面，较少细致讨论AI新闻主播在人机交互中所展现的多维社交线索。对这些线索的深入挖掘，有助于揭示AI新闻主播构建人机信任与情感连接的核心机制，具有重要理论与实践价值。为进一步厘清AI新闻主播如何激发用户共鸣、建立互动信任，本文将社交线索划分为“本体属性线索”（如主播自身的声形与个性呈现）和“传播环境线索”（如主播播报的场景、交互、社会文化和伦理披露等）两大类，分别从其内在表现与外部依托展开分析。

3.1 典型研究成果

综合来看，外文的文献多以实证研究为导向，而中国的文献呈现思辨与实证双线并行的趋势。在实证研究方面，当前社交线索传播效果研究将技术接受模型进一步迁移和沿用到该领域，多从AI新闻主播的自身线索出发，以环境线索作为中介或调节变量，采用问卷调查评估用户的感知智能、感知可信、感知拟人等态度变化，进一步测量用户的持续观看意愿。另有部分研究通过深度访谈[71]、话语分析、扎根理论[4]等质性方法对用户的观点进行延伸补充。在认知神经方法方面，EEG等脑电技术[21，27，28]能够辅助判断用户的生理与深层神经反应，指导未来的特征微调与方向突破。

典型研究成果与理论基础方面，大量研究表明，虚拟主播的社交线索会显著影响受众对其信任度、亲和力和社会存在感等主观感知，从而影响传播效果。AI新闻主播的社交线索正在通过更多新的感官、功能等“可供性”转化为用户感知[4]。多项实证研究以AI新闻主播实验材料+问卷调查的形式，结合技术使用模型（TAM）[36，70，72]、整合型技术接受模型（UTAUT）、人工智能设备使用与接受模型[35]（AIDUA）等，探讨AI新闻主播各方面社交线索对用户情绪及使用意愿的影响。

其中，感知可信度是最频繁被关注的测量变量，包含感知的性能维度（可靠性）与道德维度（真诚性、道德性）[73]，将直接影响用户的观看意愿及其对人类主播的替代感知[56]。也就是说，AI新闻主播“专业可靠”的形象能够增强用户的心理认同，这样的信任属于认知信任。随着人机协同不断深入，AI新闻主播的社交属性日益凸显，用户对其看法也逐步由工具性转向情感性，受众的情感信任越来越受到关注[57，74]。电子亲密与智能情感视角下，不少研究不仅探索用户对于AI新闻主播作为工具的信任，更关注到了用户对其作为伙伴的信任[44]。除此之外，相关研究中常被测量的变量还可分为积极与消极两类。积极的感知包含用户的感知有用性[72，75]与积极情绪[4，35，69]，AI新闻主播的自身社交特征不同，与周围条件的区别将影响用户对其可信度、信息处理效率[50]、全天候服务能力[76]等的感知，也将提高用户的亲近感与观赏愉悦度，进一步通过链式反应转化为消费使用意愿[35，69]与持续观看行为。消极的感知则集中于感知主播的情感缺位[18]、表达机械性[24]及对主播的信任危机[56]，可能会导致用户的情感疏离[25]与信任流失[47]。

3.2 研究缺口与未来研究

虽然已有不少研究关注AI新闻主播社交这一应用领域，但整体仍存在以下几个问题。

首先，在社交线索的研究方面，当前实证研究尚未形成统一、系统的分类标准，部分文献在对线索类型的界定上存在定义不清、交叉使用的现象，导致概念边界模糊、研究结果可比性较低。尤其是对于一些新兴且日益重要的线索类型，如伦理线索、情境线索等，相关研究仍较为稀缺，缺乏深入的理论建构与经验验证。此外，现有研究大多聚焦于AI新闻主播的本体属性，例如其视觉外观、语音风格或个性设定等感官层面的社交线索，探讨其对用户态度、信任和接受度的直接影响，而对主播所处的传播环境线索（如社会文化语境、互动场景、伦理规范等）则关注较少，研究深度与广度均显不足。因此，未来研究亟须构建“主体—环境”双重分析框架：在主体维度，深化对情感计算、个性化设计、人设运营与语义适配等深层社交线索的机制研究；在环境维度，则应关注AI主播所嵌入的文化背景、传播场景与社会规范，探索其如何影响受众的感知与回应。通过拓展社交线索的类型谱系、厘清线索与用户反应之间的中介与调节机制，有望推动该领域理论与实践的双向突破。

其次，当前研究普遍缺乏对不同文化语境下的系统性比较分析。尽管中国及部分东亚地区已在主流媒体中部署AI新闻主播，但在欧美国家，该技术尚未大规模应用于正式新闻播报，这在一定程度上反映出技术接受、媒介规范与文化观念之间的差异。因此，未来研究应加强跨文化比较，深入挖掘不同文化背景下用户对AI主播的认知与使用模式，为中国AI主播走向国际、提升全球传播力提供理论支持与实践路径。

再次，当前多数研究仍停留在短期实验阶段，缺乏对AI新闻主播长期使用行为的追踪，难以揭示其在信息认知与媒介信任上的持续影响。实验多在控制环境中进行，虽能提供因果推论，但与现实使用场景存在差距。虚拟主播的接受过程是动态的，受长期接触、社群互动与媒体讨论等多重因素影响。未来研究应走出实验室，采用情境化、长时段的研究设计，如通过大数据分析用户行为或开展纵向调查，更全面评估其传播效果与社会接受度。

最后，目前的研究多由传播学、心理学或人机交互等单一视角展开，缺乏跨学科融合。未来的研究应整合传播学理论（如受众心理、效果评估）、计算机科学方法（如多模态交互技术、用户数据分析）以及伦理学框架，共同探讨虚拟主播的设计优化与社会影响，实现技术与人文的贯通。

参考文献：

[1]de-Lima-Santos M F，Ceron W. Artificial intelligence in news media：Current perceptions and future outlook[J].Journalism and Media，2021，3（1）：13-26.

[2]徐凤兰，应中迪 . 智媒时代虚拟新闻主播的传播实践与未来进路 [J]. 新闻世界，2024（4）：41-44.

[3]周帅 . 虚拟主持人发展研究 [D]. 长春：东北师范大学，2022.

[4]姚琦，胡崴 . AI 新闻主播社会接受度的影响因素模型：基于扎根理论的探索性研究 [J]. 现代传播（中国传媒大学学报），2024，46（9）：160-168.

[5]高昊，彭丽. 人工智能融入重大主题报道的创新实践研究：以主流媒体对党的二十大和两会报道为例 [J]. 传媒观察，2024（S1）：10-13.

[6]王袁欣，韩卓言 . 仿真度强化互动体验：虚拟新闻主播仿真度与用户接受意愿关系研究 [J]. 北京邮电大学学报（社会科学版），2023，25（6）：11-19，88.

[7]李茸，马宝龙，张鹏，等 . 电商 AI 主播特征影响消费者购买意愿的机制：基于技术感知与社会互动双重视角 [J].北京理工大学学报（社会科学版），2025，27（1）：127-144，187.

[8]王翠翠，徐静，秦海生，等 . 电商主播类型对消费者购买行为的影响：ai 主播和真人主播 [J]. 管理科学，2023，36（4）：30-43.

[9]龚潇潇，蒋雪涛，玉胜贤 . AI 虚拟主播角色与产品类型对消费者购买意愿的交互影响研究 [J]. 管理学报，2024，21（9）：1373-1381.

[10]Yao R，Qi G，Wu Z，等 . Digital human calls you dear：How do customers respond to virtual streamers’ social-oriented language in e-commerce livestreaming? A stereotyping perspective[J]. Journal of Retailing and Consumer Services，2024，79：103872.

[11]Huang Y，Yu Z. Understanding the continuance intention for artificial intelligence news anchor：Based on the expectation confirmation theory[J]. Systems，2023，11（9）：438.

[12]刘娜，黎樟浩，吴晔 . AI 主播与真人主播的播报效果研究 [J]. 青年记者，2023（6）：58-61.

[13]Fiore S M，Wiltshire T J，Lobato E J C，et al. Toward understanding social cues and signals in human–robot interaction：Effects of robot gaze and proxemic behavior[J].Frontiers in Psychology，2013，4.

[14]Nass C，Steuer J，Tauber E R. Computers are social actors[C]//Conference companion on Human factors in computing systems - CHI ’94. Boston，Massachusetts，United States：ACM Press，1994：204.

[15]Nass C，Moon Y. Machines and mindlessness：Social responses to computers[J]. Journal of Social Issues，2000，56（1）：81-103.

[16]喻国明，王文轩，冯菲 . “声音”作为未来传播主流介质的洞察范式：以用户对语音新闻感知效果与测量为例[J]. 社会科学战线，2019（7）：136-145，282.

[17]陈志业，张智骞，王兵，等 . AI 语音合成技术的应用与展望 [J]. 影视制作，2023，29（3）：51-55.

[18]赵馨 . 传情达意：AI 合成新闻主播的身体传播刍议 [J].中国传媒科技，2022（4）：65-67.

[19]刘艳婧，赵晗竹 . 青年用户对 AI 新闻主播的适应与接受：基于扎根理论的质性分析 [J]. 新媒体与社会，2025（1）：372-386，470.

[20]刘玉婧，姜林 . AI 语音新闻播报传播效果的实证评估研究 [J]. 科技传播，2023，15（5）：9-16.

[21]冯菲，王文轩，修利超，等 . 冷热媒介：合成语音与真人语音的不同传播效应：基于 eeg 的实验证据 [J]. 新闻与传播研究，2020，27（12）：5-20，126.

[22]杨鑫悦 . 新华社手机客户端 AI 合成主播的语音考察 [J].新闻传播，2022（12）：4-8.

[23]Komiak，Benbasat. The effects of personalization and familiarity on trust and adoption of recommendation agents[J]. MIS Quarterly，2006，30（4）：941.

[24]户鹏飞，林玄悦，汤俊贤，等 . AI 新闻主播播报语言的脑科学研究 [J]. 科技传播，2021，13（11）：143-145.

[25]张瑜 . 话语分析视角下 AI 新闻主播的突围路径 [J]. 视听，2021（12）：137-139.

[26]Xue K，Li Y，Jin H. What Do You Think of AI? Research on the Influence of AI News Anchor Image on Watching Intention[J]. Behavioral Sciences，2022，12（11）：465.

[27]喻国明，王文轩，冯菲，等 . 合成语音新闻的传播效果评测：关于语速影响的 EEG 证据 [J]. 国际新闻界，2021，43（2）：6-26.

[28]喻国明，王文轩，冯菲，等 . 性别对合成语音新闻传播效果的影响研究：基于行为与 eeg 效果测定 [J]. 现代传播（中国传媒大学学报），2020，42（6）：32-36，42.

[29]张雪娇 . 智能语音新闻持续使用意愿的影响因素研究：基于青年群体的实证考察 [D]. 广州：暨南大学，2024.

[30]赵瑜，李孟倩 . 拟人化趋势下的虚拟主播实践与人机情感交互 [J]. 现代传播（中国传媒大学学报），2023，45（1）：110-116.

[31]王忆希，吴福仲，王峥 . 人工智能新闻主播何以被接受?：新技术与社会行动者的双重视角 [J]. 全球传媒学刊，2021，8（4）：86-102.

[32]Gray K，Wegner D M. Feeling robots and human zombies：Mind perception and the uncanny valley[J].Cognition，2012，125（1）：125-130.

[33]Salvesen B. Confirm you are a human[J]. International Journal for Digital Art History，2021：2.2-2.15 Pages.

[34]Etienne E，Leclercq A，Remacle A，et al. Perception of avatars nonverbal behaviors in virtual reality[J]. Psychology &Marketing，2023，40（11）：2464-2481.

[35]余弘哲，黄磊 . 接受还是拒绝 ?AI 新闻主播：拟人化拨动用户情绪摇摆 [J]. 教育传媒研究，2025（4）：37-49.

[36]장 원 . An investigation of viewer acceptance variations for AI news anchors with different levels of appearance fidelity[J].JOURNAL OF KOREA MULTIMEDIA SOCIETY，2024，27（12）：1523-1534.

[37]Tinwell A，Grimshaw M，Nabi D A，et al. Facialexpression of emotion and perception of the uncanny valleyin virtual characters[J]. Computers in Human Behavior，2011，27（2）：741-749.

[38]Wu H，Chen Z，Huang Y，et al. Research on the uncanny valley effect in artificial intelligence news anchors[J].Multimedia Tools and Applications，2024，83（23）：62581-62606.

[39]崔洁，童清艳 . 解构与重构：“人格化”虚拟 AI 新闻主播再思考 [J]. 电视研究，2022（2）：62-64.

[40]刘娜，李倩，刘茜，等 . 人工智能主播可以替代真人主播吗 ?：基于受众感知与评价的实验研究 [J]. 新闻与传播研究，2024，31（3）：60-74，127.

[41]向安玲，李亭竹，马明仪 . 虚拟人社会接受度提升之组态路径研究：基于 36 个案例的定性比较分析 [J]. 新闻与传播评论，2023，76 （2）：26-42.

[42]Huang Y，Yu Z. Understanding the continuance intention for artificial intelligence news anchor：Based on the expectationconfirmation theory[J]. Systems，2023，11（9）.

[43]Zhang Y，Wang X，Zhao X. Supervising or assisting?The influence of virtual anchor driven by AI–human collaboration on customer engagement in live streaming e-commerce[J]. Electronic Commerce Research，2023.

[44]na kwon ha，Chung. Co-evolution of Humans and AI：An Analysis of Demechanization and Deanimalization in MBC's ＜ The PD Has Disappeared ＞ [J].정보통신정책연구，2024，31（4）：107-162.

[45]王照涵，吕欣 . 从“数字皮囊”到“有趣灵魂”：生成式 AI 引领数字人交互模式变革 [J]. 传媒，2023（20）：49-50.

[46]王晴川，郭婉君 . 拟造“情感”：基于 Sora 的智能交往实践与“拟像”反思 [J]. 上海大学学报（社会科学版），2025，42（2）：61-72.

[47]Ali M，Ferrucci P. “Zero Human Emotion”：AIAnchors and the Normative Repercussions[J]. Journal of Broadcasting & Electronic Media，2025，69（1-2）：118-133.

[48]姚琦，胡崴 . AI 新闻主播社会接受度的影响因素模型：基于扎根理论的探索性研究 [J]. 现代传播（中国传媒大学学报），2024，46（9）：160-168.

[49]廖梦君 . 现代传媒的价值取向 [M]. 长沙：湖南人民出版社，2005.

[50]Quan L Z. Research on factors influencing intentions and behavior to consume news video content with AI anchors：Focusing on the MZ generation[J]. JOURNAL OF THE KOREA CONTENTS ASSOCIATION，2024，24（7）：294-312.

[51]张尔坤，张一潇 . ChatGPT 启示：大语言模型时代传播学研究新问题 [J]. 国际新闻界，2023，45（6）：167-176.

[52] Ge X，Xu C，Misaki D，et al. How culture shapes what people want from AI[C]//Proceedings of the CHI Conference on Human Factors in Computing Systems.Honolulu HI USA：ACM，2024：1-15.

[53]Jamil S. Artificial intelligence and journalistic practice：The crossroads of obstacles and opportunities for the pakistani

journalists[J]. Journalism Practice，2021，15（10）：1400-1422.

[54]Ndlovu M. Audience perceptions of AI-driven newspresenters：A case of “alice” in zimbabwe[J]. Media，Culture & Society，2024，46（8）：1692-1706.

[55]Baloch R B，Hassan A，Hassan A A U. “you are an AI and you know a lot more than humans”：A semiotic discourse analysis of the world’s first AI TV show[J].

Communication & Society，2024，37（3）：273-289.

[56]Lee Y Y，Mook A J. A study on the perception of news users about AI news anchors[J]. 정치커뮤니케이션연구，2021，62：115-147.

[57]Liu Q，Ma N，Zhang X. Can AI-virtual anchors replace human internet celebrities for live streaming sales of products?An emotion theory perspective[J]. Journal of Retailing and Consumer Services，2025，82：104107.

[58]Mumford D. Data colonialism：Compelling and useful，but whither epistemes?[J]. Information，Communication&Society，2022，25（10）：1511-1516.

[59]Couldry N，Mejias U A. The decolonial turn in data and technology research：What is at stake and where is it heading?[J]. Information，Communication & Society，2023，26（4）：786-802.

[60]Hu Q，Lu Y，Pan Z，et al. Can AI artifacts influence human cognition? The effects of artificial autonomy in intelligent personal assistants[J]. International Journal of Information Management，2021，56：102250.

[61]钟丁静，吴风，邱锐 . 拟人化与智能化：AI 主播媒介性与人机信任关系建构的实证研究 [J]. 国际新闻界，2025，47（2）：49-71.

[62]蒋宁平，邱思佳 . “拟真”与“类真”：媒体智能化、协同化主播矩阵建构策略 [J]. 电视研究，2025（4）：49-52.

[63] Liu Q，Ma N，Zhang X. Can AI-virtual anchors replace human internet celebrities for live streaming sales of products?An emotion theory perspective[J]. Journal of Retailing and Consumer Services，2025，82：104107.

[64]Turja T，Rantanen T，Oksanen A. Robot use self-efficacy in healthcare work （RUSH）：Development and validation of a new measure[J]. AI & SOCIETY，2019，34（1）：137-143.

[65]冯士新 . 在人工智能浪潮中推进主流媒体系统性变革 [J].传媒，2025（13）：1.

[66]王翔君，张雅雯 . 数智时代数字政府研究的新探索、新视角及新范式：“第二届数字政府 40 人论坛”会议综述 [J]. 政治学研究，2025（3）：224-227.

[67]Meng L （Monroe），Duan S，Zhao Y，et al. The impact of online celebrity in livestreaming E-commerce on purchase intention from the perspective of emotional contagion[J]. Journal of Retailing and Consumer Services，2021，63：102733.

[68]王斌，程思琪 . 反推式变革：数字环境中的新闻消费特点和转型路径 [J]. 编辑之友，2018（12）：65-74.

[69]Gong Y，Huang R，Chen Z，et al. Are assertive messages more effective in live marketing? Matching effects of anchor type and message assertiveness on purchase intention[J].Journal of Retailing and Consumer Services，2025，85：104286.

[70]Lee，Lee. Perception of internal employees on the introduction of ‘AI anchors’：Focusing on JIBS，a local commercial broadcasting station in jeju[J].한국방송학보，2024，38（6）：86-124.

[71]Yu Y，Huang K. Friend or foe? Human journalists’perspectives on artificial intelligence in Chinese media outlets[J]. Chinese Journal of Communication，2021，14（4）：409-429.

[72]Shin H Y，Kweon S H. An evaluation of determinants to viewer acceptance of artificial intelligence-based news anchor[J]. The Journal of the Korea Contents Association，2021，21（4）：205-219.

[73]Malle B F，Ullman D. Chapter 1：a multidimensional conception and measure of human-robot trust[M]//Nam C S，Lyons J B. Trust in Human-Robot Interaction.Academic Press，2021：3-25.

[74]Zhong D，Wu F，Huang Z，et al. Navigating the human-digital nexus：Understanding consumer intentions with AI anchors in live commerce[J]. BEHAVIOUR&INFORMATION TECHNOLOGY，2025：1-16.

[75]Yu-Peng Z，Xin L，Wang H，et al. Effects of AI virtual anchors on brand image and loyalty：Insights from perceived value theory and SEM-ANN analysis[J]. Systems，2025，13（2）.

[76]郭琳 . “AI 主播”技术挑战下新闻主播传播角色重构与策略优化研究 [J]. 新闻爱好者，2019（8）：30-33.