A humanoid robot and artificial intelligence
Znalostní báze

Jak humanoidní robot mluví s lidmi: rozpoznávání řeči, AI a hlas robota

Jak humanoidní robot slyší, rozumí a odpovídá: mikrofony, rozpoznávání řeči, jazykový model, hlas, rychlost odpovědi, hluk na akcích a AI Act v Evropské unii.

Tým MERA RoboticsAktualizováno: 21. listopadu 20266 min čteníHrvatskiLatviešuSlovenščina한국어NorskLietuviųSvenskaPortuguêsБългарскиRomânăEspañolNederlandsFrançaisItalianoEnglishDeutschPolski

Stručně

Humanoidní robot mluví díky řetězci softwaru: mikrofony zachytí zvuk, rozpoznávání řeči ho převede na text, jazykový model napíše odpověď odpovídající personě a znalostem o akci a syntéza řeči ji vysloví. Kvalita rozhovoru závisí na softwaru, připravených znalostech a akustice, ne na samotném robotovi. MERA Robotics (Varšava, Polsko) to řeší vlastním systémem MERA OS, který vede rozhovory ve více než 70 jazycích.

ObsahJak probíhá rozhovor s humanoidním robotem krok za krokem?Co humanoidní robot slyší a jak si poradí s hlukem?Jak humanoidní robot ví, co má říct?Proč je rychlost odpovědi robota tak důležitá?Kolika jazyky a jakým hlasem může humanoidní robot mluvit?Musí se lidem říct, že mluví s umělou inteligencí?Co ověřit před akcí s mluvícím robotem?Jak vybrat partnera pro rozhovory humanoidního robota?

Humanoidní robot mluví s lidmi díky řetězci softwaru: mikrofony zachytí zvuk, rozpoznávání řeči ho převede na text, jazykový model napíše odpověď, která odpovídá personě robota a tomu, co ví o akci, a syntéza řeči z ní udělá hlas, který slyšíte z reproduktoru. Samotný robot (například Unitree G1) poskytuje „uši“, „ústa“ a pohyb; kvalita rozhovoru závisí na softwaru a na tom, jak dobře je připraven pro konkrétní místo.

Jak probíhá rozhovor s humanoidním robotem krok za krokem?

Rozhovor s humanoidním robotem prochází pěti fázemi, které se opakují při každé výměně:

Fáze Co se děje Na čem závisí kvalita
Poslech mikrofony robota (nebo externí mikrofon) zachytí zvuk hluk, vzdálenost od mluvčího, ozvěna v sále
Rozpoznání střídání systém určí, kdy člověk začal a přestal mluvit nastavení citlivosti, hovor v pozadí
Rozpoznávání řeči řeč se převede na text jazyk, přízvuk, vlastní jména, dětské hlasy
Odpověď jazykový model napíše odpověď podle persony a znalostí kvalita zadání persony a znalostní báze, pravidla témat
Hlas a pohyb syntéza řeči, reproduktor, gesta hlas zvolený podle jazyka, hlasitost, ozvučení sálu

Slabý článek kdekoli rozbije celý řetězec. Nejčastější chybou na akcích není „hloupá umělá inteligence“, ale robot, který v hluku davu špatně slyšel otázku a pak správně odpověděl na něco, na co se nikdo neptal.

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), foto: RuinDig/Yuki Uchida, CC BY 4.0

Co humanoidní robot slyší a jak si poradí s hlukem?

Humanoidní robot slyší přes vestavěné pole mikrofonů a v hlučném prostředí často funguje lépe přídavný mikrofon blízko úst mluvčího. Podle výrobce má Unitree G1 pole několika mikrofonů a vestavěný reproduktor (specifikace Unitree G1). To stačí na rozhovor v kanceláři, v showroomu nebo na klidném stánku.

Na veletrhu, galavečeru nebo festivalu se situace mění: hudba, ozvučení pódia a desítky souběžných rozhovorů míří do stejných mikrofonů. V praxi pomáhá:

  • aby host přistoupil k robotovi blízko a mluvil přímo na něj, ne ze strany,
  • ruční nebo směrový mikrofon pro hosty na pódiu a v panelech,
  • umístění stánku daleko od reproduktorů pódia,
  • předem zadat systému vlastní jména (značku, produkty, jména řečníků), aby je rozpoznávání řeči nekomolilo,
  • test přímo na místě konání, nejen v kanceláři.

Totéž platí pro výstup zvuku: vestavěný reproduktor robota stačí při rozhovoru jeden na jednoho, ale při vystoupení na pódiu musí jít zvuk robota do ozvučení sálu.

Jak humanoidní robot ví, co má říct?

Odpovědi humanoidního robota píše jazykový model, který dostane popis persony, znalosti o akci a pravidla, co robot nesmí říkat. Model zná jazyk a svět obecně, ale nic neví o programu konference, produktech klienta ani o tom, kde je šatna. Tyto znalosti je potřeba připravit.

Dobrý přípravný balíček obsahuje:

  • personu: jméno, charakter, způsob řeči, délku odpovědí,
  • znalosti: program, řečníky, nabídku, odpovědi na typické dotazy hostů,
  • hranice: zakázaná témata, způsob, jak odmítnout, co dělat s otázkami na politiku nebo konkurenci,
  • scénář: pozdrav, pozvání k fotografii, předání hosta člověku na stánku.

Takto pracuje MERA Robotics: výroky robota se připravují pro každou konkrétní akci v profilu akce se znalostmi o klientovi a programu a robot může mít vlastní identitu značky se jménem, charakterem a znalostí nabídky.

Některé systémy spojují rozhovor s obrazem z kamery. Robot pak rozpozná předmět před sebou, například vystavený model produktu, a zmíní ho v rozhovoru. To se hodí v showroomech a na stáncích, kde se hosté ptají: „A co je tohle?“

Proč je rychlost odpovědi robota tak důležitá?

Rychlost odpovědi humanoidního robota rozhoduje o tom, zda rozhovor působí přirozeně, protože lidé jsou zvyklí na velmi krátké pauzy mezi replikami. Srovnávací studie mnoha jazyků zveřejněná v časopise PNAS zjistila, že ve všech zkoumaných jazycích byla nejčastější pauza mezi koncem jedné repliky a začátkem odpovědi jen zlomek sekundy (Stivers a kol., PNAS).

Žádný řetězec rozpoznávání řeči, jazykového modelu a syntézy řeči neodpoví tak rychle jako člověk, a proto to robotické systémy vyvažují způsobem, jakým rozhovor vedou:

  • odpověď se začne přehrávat dřív, než je celá vygenerovaná,
  • krátké odpovědi místo dlouhých monologů,
  • gesto nebo pohyb hlavy hned po otázce, aby host věděl, že robot poslouchá,
  • možnost skočit robotovi do řeči.

Druhým problémem je okamžik, kdy robot usoudí, že člověk domluvil. Příliš brzy, a robot skáče do řeči při každé pauze na rozmyšlenou. Příliš pozdě, a hosté čekají v tichu. Toto nastavení by mělo odpovídat publiku: děti a lidé, kteří mluví cizím jazykem, dělají delší pauzy.

Kolika jazyky a jakým hlasem může humanoidní robot mluvit?

Počet jazyků a volba hlasu závisí na konverzačním softwaru humanoidního robota, ne na jeho hardwaru. MERA OS, konverzační systém vyvinutý MERA Robotics, vede rozhovory ve více než 70 jazycích, mimo jiné v polštině, angličtině a češtině, s hlasem zvoleným podle jazyka a s rodilým přízvukem. Na mezinárodní akci tak robot může jednoho hosta pozdravit anglicky a s dalším mluvit česky.

Při výběru hlasu ověřte:

  • zda odpovídá personě (věk, povaha, značka),
  • zda v daném jazyce zní přirozeně, a ne jako překlad z angličtiny,
  • jak vyslovuje vlastní jména klienta,
  • zda tempo řeči zůstává srozumitelné i v hluku.

Musí se lidem říct, že mluví s umělou inteligencí?

Ano: v Evropské unii vyplývá povinnost informovat lidi, že mluví s umělou inteligencí, z AI Act, jehož povinnosti transparentnosti se uplatňují od 2. srpna 2026. AI Act požaduje, aby systémy umělé inteligence určené k přímé interakci s lidmi byly navrženy tak, aby tito lidé byli informováni, že komunikují se systémem umělé inteligence, pokud to není zřejmé (AI Act, povinnosti transparentnosti, AI Act, vstup v platnost a použitelnost). Informace musí být jasná a podaná nejpozději při první interakci.

U humanoidního robota je obvykle zřejmé, že mluví stroj. Přesto je jedna věta v pozdravu robota nebo cedulka na stánku jednoduchá a odstraní jakékoli pochybnosti. Samostatnou otázkou jsou data: pokud se rozhovory nahrávají nebo ukládají, hosté by o tom měli vědět.

Co ověřit před akcí s mluvícím robotem?

Před akcí s mluvícím humanoidním robotem ověřte sedm věcí:

  1. Zkušební rozhovor přímo na místě nebo v podobném hluku.
  2. Seznam vlastních jmen, která musí robot rozpoznat a správně vyslovit.
  3. Personu a délku odpovědí schválené klientem.
  4. Seznam zakázaných témat a způsob, jak je robot odmítne.
  5. Plán pódia: mikrofon pro hosta, napojení na ozvučení.
  6. Upozornění, že hosté mluví s umělou inteligencí.
  7. Operátora na místě, který může převzít rozhovor, přepnout jazyk nebo robota zastavit.

Modely dostupné na akce najdete v katalogu robotů k pronájmu a prodeji a průběh pronájmu na stránce pronájem humanoidního robota na akce.

Jak vybrat partnera pro rozhovory humanoidního robota?

Partnera pro rozhovory humanoidního robota posuzujte podle kritérií, která si můžete ověřit před podpisem:

  • vlastní konverzační software místo jediné strnulé aplikace výrobce,
  • počet jazyků a to, jak přirozeně hlas zní ve vašem jazyce,
  • persona a znalosti připravené pro vaši akci, ne obecný chatbot,
  • operátoři na místě, kteří zareagují, když se něco pokazí,
  • modely robotů dostupné k pronájmu nebo koupi,
  • zkušenosti z akcí doma i v zahraničí.

Časté dotazy

Rozumí humanoidní robot tomu, co mu lidé říkají?

Humanoidní robot převádí řeč na text a jazykový model vyhodnotí význam a napíše odpověď. Rozumí otázkám položeným přirozeným jazykem, ale znalosti o konkrétní akci, nabídce nebo programu je třeba připravit předem.

Proč robot někdy odpovídá mimo téma?

Obvykle proto, že v hluku špatně slyšel otázku: rozpoznávání řeči zapsalo jiná slova a model správně odpověděl na chybně přepsanou otázku. Pomáhá mluvit zblízka, dát hostovi mikrofon a předem zadat systému vlastní jména.

Může humanoidní robot na jedné akci mluvit několika jazyky?

Ano, pokud to podporuje jeho konverzační software. MERA OS, systém MERA Robotics, vede rozhovory ve více než 70 jazycích, mimo jiné v polštině, angličtině a češtině, s hlasem zvoleným podle jazyka.

Musí se hostům říct, že mluví s umělou inteligencí?

V EU AI Act, jehož povinnosti transparentnosti se uplatňují od 2. srpna 2026, požaduje, aby lidé v přímé interakci se systémem umělé inteligence byli informováni, pokud to není zřejmé. U humanoidního robota obvykle stačí jedna věta v pozdravu nebo cedulka na stánku.

Zdroje

  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
Praktický průvodce

Jak vybrat konverzační software pro humanoidního robota?

  1. Kompatibilita s vaším modelem robota a s verzí jeho softwaru.
  2. Jazyky a hlasy: v kolika jazycích systém vede rozhovor a odpovídá hlas danému jazyku?
  3. Znalosti a persona: jak do systému vložit znalosti o akci nebo značce a jak nastavit charakter robota.
  4. Ovládání: může operátor převzít rozhovor, pohyb a gesta, například z aplikace v telefonu?
  5. Kontrola obsahu: jak omezit témata a odpovědi, které jdou nad rámec připravených znalostí.
  6. Licence a podpora: co licence zahrnuje a kdo odpovídá za aktualizace.

Tuto stránku vydává MERA Robotics, společnost, která licencuje MERA OS, konverzační software pro humanoidní roboty.

Naše nabídka

Roboti k pronájmu a na prodej

Celý katalog robotů (anglicky) →

Kontakt

Pojďme probrat vaši akci

Stručně popište, co potřebujete. Ozveme se s návrhem robota a scénáře a s nabídkou.

Údaje z formuláře používáme jen k vyřízení vaší poptávky.

Znalostní báze

Přečtěte si také

Zjistit dostupnost