A humanoid robot and artificial intelligence
Tudásbázis

Hogyan beszél egy humanoid robot az emberekkel: beszédfelismerés, MI és a robot hangja

Hogyan hall, ért és válaszol egy humanoid robot: mikrofonok, beszédfelismerés, nyelvi modell, hang, válaszidő, rendezvényi zaj és az uniós AI Act szabályai.

A MERA Robotics csapataFrissítve: 2026. november 21.6 perc olvasásSuomiEestiSlovenčinaΕλληνικάHrvatskiSlovenščinaČeštinaLatviešuNorsk한국어LietuviųRomânăSvenskaБългарскиPortuguêsFrançaisNederlandsItalianoEspañolEnglishDeutschPolski

Röviden

Egy humanoid robot szoftverláncon keresztül beszél: a mikrofonok felveszik a hangot, a beszédfelismerés szöveggé alakítja, egy nyelvi modell megírja a personához és a rendezvényről szóló tudáshoz illő választ, a beszédszintézis pedig kimondja. A beszélgetés minősége a szoftveren, az előkészített tudáson és az akusztikán múlik, nem egyedül a roboton. A MERA Robotics (Varsó, Lengyelország) ezt saját rendszerével, a MERA OS-sel végzi, amely több mint 70 nyelven folytat beszélgetést.

TartalomjegyzékHogyan zajlik lépésről lépésre egy beszélgetés egy humanoid robottal?Mit hall egy humanoid robot, és hogyan birkózik meg a zajjal?Honnan tudja egy humanoid robot, hogy mit mondjon?Miért számít annyira a robot válaszadási sebessége?Hány nyelven és milyen hangon beszélhet egy humanoid robot?Tudatni kell az emberekkel, hogy mesterséges intelligenciával beszélnek?Mit ellenőrizzen egy beszélő robottal tartott rendezvény előtt?Hogyan válasszon partnert a humanoid robotos beszélgetésekhez?

Egy humanoid robot szoftverláncon keresztül beszél az emberekkel: a mikrofonok felveszik a hangot, a beszédfelismerés szöveggé alakítja, egy nyelvi modell megírja a robot personájához és a rendezvényről szóló tudásához illő választ, a beszédszintézis pedig ezt a választ olyan hanggá alakítja, amelyet a hangszóróból hall. Maga a robot (például egy Unitree G1) adja a „füleket”, a „szájat” és a mozgást; a beszélgetés minősége a szoftveren múlik, és azon, mennyire készítették fel egy adott helyszínre.

Hogyan zajlik lépésről lépésre egy beszélgetés egy humanoid robottal?

Egy humanoid robottal folytatott beszélgetés öt szakaszon megy át, amelyek minden váltásnál ismétlődnek:

Szakasz Mi történik Mitől függ a minőség
Hallgatás a robot mikrofonjai (vagy egy külső mikrofon) felveszik a hangot zaj, távolság a beszélőtől, a terem visszhangja
A beszédforduló felismerése a rendszer eldönti, mikor kezdett és fejezett be beszélni valaki érzékenységi beállítások, háttérzaj
Beszédfelismerés a beszéd szöveggé alakul nyelv, akcentus, tulajdonnevek, gyerekhangok
Válasz egy nyelvi modell a persona és a tudás alapján megírja a választ a persona leírásának és a tudásbázisnak a minősége, témaszabályok
Hang és mozgás beszédszintézis, hangszóró, gesztusok a nyelvhez illő hang, hangerő, a terem hangosítása

Ha bárhol gyenge a lánc, az egész összeomlik. Rendezvényeken a leggyakoribb hiba nem a „buta MI”, hanem az, hogy a robot a tömeg zajában félrehallotta a kérdést, majd helyesen válaszolt valamire, amit senki sem kérdezett.

Unitree G1 and Go2 robots on a trade show stand (Japan Mobility Show 2025)
Unitree G1 and Go2 robots on a trade show stand (Japan Mobility Show 2025), fotó: RuinDig/Yuki Uchida, CC BY 4.0

Mit hall egy humanoid robot, és hogyan birkózik meg a zajjal?

Egy humanoid robot beépített mikrofonsorral hall, hangos helyszínen azonban gyakran jobban működik egy további mikrofon a beszélő szájához közel. A gyártó szerint a Unitree G1 mikrofonsorral és beépített hangszóróval rendelkezik (Unitree G1 specifikáció). Ez elég egy irodai, bemutatótermi vagy csendes standon zajló beszélgetéshez.

Vásáron, gálán vagy fesztiválon más a helyzet: a zene, a színpadi hangosítás és több tucat egyidejű beszélgetés mind ugyanazokba a mikrofonokba jut. Ami a gyakorlatban segít:

  • ha a vendég közel lép a robothoz, és egyenesen hozzá beszél, nem oldalról,
  • kézi vagy irányított mikrofon a színpadon és a panelekben szereplő vendégeknek,
  • a stand elhelyezése a színpadi hangszóróktól távol,
  • a tulajdonnevek (márka, termékek, előadók neve) előzetes megadása a rendszernek, hogy a beszédfelismerés ne torzítsa el őket,
  • tesztelés a valódi helyszínen, nem csak az irodában.

Ugyanez érvényes a hangkimenetre is: a robot beépített hangszórója négyszemközti beszélgetéshez elég, de színpadi fellépéshez a robot hangjának a helyszín hangrendszerébe kell kerülnie.

Honnan tudja egy humanoid robot, hogy mit mondjon?

Egy humanoid robot válaszait egy nyelvi modell írja, amely megkapja a persona leírását, a rendezvényről szóló tudást és a szabályokat arról, mit nem mondhat a robot. A modell általánosságban ismeri a nyelvet és a világot, de semmit sem tud a konferencia programjáról, az ügyfél termékeiről vagy arról, hol van a ruhatár. Ezt a tudást elő kell készíteni.

Egy jó felkészítési csomag tartalma:

  • persona: név, jellem, beszédmód, a válaszok hossza,
  • tudás: program, előadók, kínálat, válaszok a vendégek tipikus kérdéseire,
  • határok: tiltott témák, hogyan utasítson el, mit tegyen a politikára vagy a versenytársakra vonatkozó kérdésekkel,
  • forgatókönyv: köszöntés, meghívás egy közös fotóra, a vendég átadása egy embernek a standon.

A MERA Robotics így dolgozik: a robot mondanivalóját minden rendezvényre külön készítik elő egy rendezvényprofilban, az ügyfélről és a programról szóló tudással, a robotnak pedig saját márkaidentitása lehet névvel, jellemmel és a kínálat ismeretével.

Egyes rendszerek a beszélgetést a kameraképpel is összekapcsolják. A robot ilyenkor felismer egy előtte lévő tárgyat, például egy kiállított terméktípust, és hivatkozik rá a beszélgetésben. Ez bemutatótermekben és standokon hasznos, ahol a vendégek megkérdezik: „és ez mi?”.

Miért számít annyira a robot válaszadási sebessége?

Egy humanoid robot válaszadási sebességén múlik, hogy a beszélgetés természetesnek hat-e, mert az emberek a beszédfordulók közötti nagyon rövid szünetekhez szoktak. Egy több nyelvet vizsgáló, a PNAS-ban megjelent tanulmány szerint minden vizsgált nyelvben egy másodperc töredékénél rövidebb a jellemző szünet az egyik megszólalás vége és a válasz kezdete között (Stivers és munkatársai, PNAS).

A beszédfelismerés, a nyelvi modell és a beszédszintézis láncolata nem válaszol olyan gyorsan, mint egy ember, ezért a robotrendszerek a beszélgetés vezetésével egyenlítenek ki:

  • a válasz lejátszása már azelőtt elkezdődik, hogy teljesen elkészülne,
  • rövid válaszok hosszú monológok helyett,
  • egy gesztus vagy fejmozdulat közvetlenül a kérdés után, hogy a vendég tudja: a robot figyel,
  • a robot mondat közben is félbeszakítható.

A másik nehézség az a pillanat, amikor a robot eldönti, hogy az ember befejezte a mondandóját. Ha túl korán dönt, minden gondolkodási szünetnél közbevág. Ha túl későn, a vendégek csendben várnak. Ezt a beállítást a közönséghez kell igazítani: a gyerekek és az idegen nyelven beszélők hosszabb szüneteket tartanak.

Hány nyelven és milyen hangon beszélhet egy humanoid robot?

A nyelvek száma és a hang megválasztása a humanoid robot beszélgetőszoftverén múlik, nem a robot hardverén. A MERA OS, a MERA Robotics által fejlesztett beszélgetőrendszer több mint 70 nyelven folytat beszélgetést, köztük lengyelül, angolul és magyarul, mindegyik nyelvhez illő hanggal és anyanyelvi kiejtéssel. Egy nemzetközi rendezvényen a robot az egyik vendéget angolul köszöntheti, a következővel pedig magyarul beszélgethet.

A hang kiválasztásakor ellenőrizze:

  • illik-e a personához (életkor, temperamentum, márka),
  • természetesen szól-e az adott nyelven, nem pedig angolból fordítottnak,
  • hogyan ejti ki az ügyfél tulajdonneveit,
  • érthető marad-e a beszédtempó zajban.

Tudatni kell az emberekkel, hogy mesterséges intelligenciával beszélnek?

Igen: az Európai Unióban a tájékoztatási kötelezettség az AI Act átláthatósági szabályaiból következik, amelyek 2026. augusztus 2-tól alkalmazandók. Ezek szerint az emberekkel közvetlen interakcióra szánt MI-rendszereket úgy kell megtervezni, hogy ezek az emberek tudják: MI-rendszerrel állnak kapcsolatban, kivéve, ha ez nyilvánvaló (AI Act, átláthatósági kötelezettségek, AI Act, hatálybalépés és alkalmazás). A tájékoztatásnak egyértelműnek kell lennie, és legkésőbb az első interakciókor meg kell történnie.

Egy humanoid robotnál általában nyilvánvaló, hogy gép beszél. Ennek ellenére egy mondat a robot köszöntésében vagy egy tábla a standon egyszerű megoldás, és eloszlat minden kétséget. Külön kérdés az adatkezelés: ha a beszélgetéseket rögzítik vagy naplózzák, a vendégeknek tudniuk kell róla.

Mit ellenőrizzen egy beszélő robottal tartott rendezvény előtt?

Egy beszélő humanoid robottal tartott rendezvény előtt hét dolgot ellenőrizzen:

  1. Beszélgetési teszt a valódi helyszínen vagy hasonló zajban.
  2. A tulajdonnevek listája, amelyeket a robotnak fel kell ismernie, és helyesen kell kiejtenie.
  3. Az ügyfél által jóváhagyott persona és válaszhossz.
  4. A tiltott témák listája, és az, hogyan utasít el a robot.
  5. Színpadi terv: mikrofon a vendégnek, csatlakozás a hangrendszerhez.
  6. Tájékoztató arról, hogy a vendégek mesterséges intelligenciával beszélnek.
  7. Operátor a helyszínen, aki átveheti az irányítást, nyelvet válthat, vagy leállíthatja a robotot.

A rendezvényekre elérhető modelleket a bérelhető és megvásárolható robotok katalógusában találja, a rendezvényes bérlésről pedig a humanoid robot bérlése rendezvényekre oldalon olvashat.

Hogyan válasszon partnert a humanoid robotos beszélgetésekhez?

A humanoid robotos beszélgetésekhez választott partnert olyan szempontok alapján ítélje meg, amelyek a szerződés aláírása előtt ellenőrizhetők:

  • saját beszélgetőszoftver, nem egyetlen merev gyártói alkalmazás,
  • a nyelvek száma, és mennyire természetesen szól a hang az Ön nyelvén,
  • az Ön rendezvényére előkészített persona és tudás, nem általános csevegőrobot,
  • operátorok a helyszínen, akik reagálnak, ha valami nem működik,
  • robotmodellek, amelyek bérelhetők vagy megvásárolhatók,
  • rendezvényes tapasztalat belföldön és külföldön.

Gyakori kérdések

Érti egy humanoid robot, amit mondanak neki?

Egy humanoid robot a beszédet szöveggé alakítja, egy nyelvi modell pedig értelmezi a jelentést, és megírja a választ. A természetes nyelven feltett kérdéseket megérti, de egy adott rendezvényről, kínálatról vagy programról szóló tudást előre elő kell készíteni.

Miért válaszol néha a robot a témához nem illően?

Általában azért, mert a zajban félrehallotta a kérdést: a beszédfelismerés más szavakat írt le, a modell pedig helyesen válaszolt a hibásan átírt kérdésre. Segít, ha közelről beszélnek hozzá, ha a vendég mikrofont kap, és ha a tulajdonneveket előre megadják a rendszernek.

Beszélhet egy humanoid robot több nyelven egyetlen rendezvényen?

Igen, ha a beszélgetőszoftver támogatja. A MERA Robotics rendszere, a MERA OS több mint 70 nyelven folytat beszélgetést, köztük lengyelül, angolul és magyarul, mindegyik nyelvhez illő hanggal.

Tudatni kell a vendégekkel, hogy mesterséges intelligenciával beszélnek?

Az EU-ban az AI Act 2026. augusztus 2-tól alkalmazandó átláthatósági szabályai szerint az MI-rendszerrel közvetlenül kommunikáló embereket tájékoztatni kell erről, hacsak ez nem nyilvánvaló. Humanoid robotnál általában elég egy mondat a köszöntésben vagy egy tábla a standon.

Források

  1. Unitree G1: manufacturer specifications
  2. Stivers et al. (2009), Universals and cultural variation in turn-taking in conversation, PNAS
  3. EU AI Act, Article 50: transparency obligations
  4. EU AI Act, Article 113: entry into force and application
Gyakorlati útmutató

Hogyan válasszon beszélgetőszoftvert humanoid robothoz?

  1. Kompatibilitás az Ön robotmodelljével és annak szoftververziójával.
  2. Nyelvek és hangok: hány nyelven beszélget a rendszer, és illik-e a hang az adott nyelvhez?
  3. Ismeretek és karakter: hogyan vihetők be a rendezvényre vagy a márkára vonatkozó ismeretek, és hogyan állítható be a robot karaktere?
  4. Irányítás: át tudja-e venni az operátor a beszélgetést, a mozgást és a gesztusokat, például telefonos alkalmazásból?
  5. A tartalom ellenőrzése: hogyan korlátozhatók a témák és az előkészített ismereteken túlmutató válaszok?
  6. Licenc és támogatás: mire terjed ki a licenc, és ki felel a frissítésekért?

Ezt az oldalt a MERA Robotics teszi közzé: a cég licenceli a MERA OS-t, a humanoid robotok beszélgetőszoftverét.

Kínálatunk

Bérelhető és megvásárolható robotok

A teljes robotkatalógus (angolul) →

Kapcsolat

Beszéljünk a rendezvényéről

Írja le röviden, mire van szüksége. Javaslatot teszünk a robotra és a forgatókönyvre, és ajánlatot küldünk.

Az űrlapon megadott adatokat kizárólag a megkeresés megválaszolására használjuk.

Tudásbázis

Kapcsolódó cikkek

Foglaltság ellenőrzése