A humanoid robot and artificial intelligence
Zināšanu bāze

Kā humanoīdais robots runā ar cilvēkiem: runas atpazīšana, MI un robota balss

Kā humanoīdais robots dzird, saprot un atbild: mikrofoni, runas atpazīšana, valodas modelis, balss, atbildes ātrums, troksnis pasākumā un ES MI akts.

MERA Robotics komandaAtjaunināts: 2026. gada 21. novembris5 min lasīšanaiTürkçe日本語Bahasa Indonesia中文DanskMagyarEestiSuomiSlovenčinaΕλληνικάČeštinaSlovenščinaHrvatskiLietuvių한국어NorskRomânăБългарскиSvenskaPortuguêsFrançaisNederlandsEspañolItalianoPolskiDeutschEnglish

Īsumā

Humanoīdais robots runā ar programmatūras ķēdes palīdzību: mikrofoni uztver skaņu, runas atpazīšana to pārvērš tekstā, valodas modelis uzraksta atbildi, kas atbilst personāžai un zināšanām par pasākumu, un runas sintēze to izrunā. Sarunas kvalitāte atkarīga no programmatūras, sagatavotajām zināšanām un akustikas, nevis tikai no paša robota.

SatursKā saruna ar humanoīdo robotu notiek soli pa solim?Ko humanoīdais robots dzird un kā tiek galā ar troksni?Kā humanoīdais robots zina, ko teikt?Kāpēc robota atbildes ātrums ir tik svarīgs?Cik valodās un ar kādu balsi humanoīdais robots var runāt?Vai cilvēkiem jāpasaka, ka viņi runā ar MI?Kas jāpārbauda pirms pasākuma ar runājošu robotu?Kā izvēlēties partneri humanoīdā robota sarunām?

Humanoīdais robots runā ar cilvēkiem ar programmatūras ķēdes palīdzību: mikrofoni uztver skaņu, runas atpazīšana to pārvērš tekstā, valodas modelis uzraksta atbildi, kas atbilst robota personāžai un tam, ko tas zina par pasākumu, un runas sintēze pārvērš šo atbildi balsī, ko dzirdat no skaļruņa. Pats robots (piemēram, Unitree G1) nodrošina „ausis”, „muti” un kustības; sarunas kvalitāte atkarīga no programmatūras un no tā, cik labi tā sagatavota konkrētai vietai.

Kā saruna ar humanoīdo robotu notiek soli pa solim?

Saruna ar humanoīdo robotu iet cauri pieciem posmiem, kas atkārtojas katrā replikā:

Posms Kas notiek No kā atkarīga kvalitāte
Klausīšanās robota mikrofoni (vai ārējs mikrofons) uztver skaņu troksnis, attālums līdz runātājam, atbalss telpā
Runas maiņas noteikšana sistēma izlemj, kad cilvēks sāka un beidza runāt jutības iestatījumi, fona sarunas
Runas atpazīšana runa tiek pārvērsta tekstā valoda, akcents, īpašvārdi, bērnu balsis
Atbilde valodas modelis uzraksta atbildi, izmantojot personāžu un zināšanas personāžas apraksta un zināšanu bāzes kvalitāte, tēmu noteikumi
Balss un kustība runas sintēze, skaļrunis, žesti valodai piemeklēta balss, skaļums, zāles skaņas sistēma

Vājš posms jebkurā vietā sabojā visu ķēdi. Biežākā kļūme pasākumos nav „muļķīgs MI”, bet robots, kas pūļa troksnī pārklausījās jautājumu un pēc tam pareizi atbildēja uz kaut ko, ko neviens nejautāja.

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

Ko humanoīdais robots dzird un kā tiek galā ar troksni?

Humanoīdais robots dzird ar iebūvēto mikrofonu masīvu, bet skaļā vietā bieži labāk darbojas papildu mikrofons tuvu runātāja mutei. Saskaņā ar ražotāja specifikāciju Unitree G1 ir aprīkots ar mikrofonu masīvu un skaļruni (Unitree G1 specifikācija). Ar to pietiek sarunai birojā, salonā vai klusā stendā.

Izstādē, gala vakarā vai festivālā situācija mainās: mūzika, skatuves skaņa un desmitiem vienlaicīgu sarunu nonāk tajos pašos mikrofonos. Praksē palīdz:

  • viesis pienāk tuvu robotam un runā tieši ar to, nevis no sāniem,
  • rokas vai virziena mikrofons viesiem uz skatuves un paneļos,
  • stenda novietošana prom no skatuves skaļruņiem,
  • īpašvārdu (zīmola, produktu, runātāju vārdu) iepriekšēja nodošana sistēmai, lai runas atpazīšana tos nesagrozītu,
  • testēšana tieši norises vietā, ne tikai birojā.

Tas pats attiecas uz skaņas izvadi: robota iebūvētais skaļrunis der sarunai divatā, bet uzstāšanās laikā uz skatuves robota skaņai jāiet zāles skaņas sistēmā.

Kā humanoīdais robots zina, ko teikt?

Humanoīdā robota atbildes raksta valodas modelis, kas saņem personāžas aprakstu, zināšanas par pasākumu un noteikumus par to, ko robots nedrīkst teikt. Modelis pārzina valodu un pasauli kopumā, bet neko nezina par konferences programmu, klienta produktiem vai to, kur atrodas garderobe. Šīs zināšanas jāsagatavo.

Labs sagatavošanas komplekts ietver:

  • personāžu: vārds, raksturs, runas veids, atbilžu garums,
  • zināšanas: programma, runātāji, piedāvājums, atbildes uz tipiskiem viesu jautājumiem,
  • robežas: aizliegtās tēmas, kā atteikt, ko darīt ar jautājumiem par politiku vai konkurentiem,
  • scenāriju: sveiciens, aicinājums nofotografēties, viesa nodošana cilvēkam stendā.

Tā strādā MERA Robotics: robota teikto sagatavo katram konkrētam pasākumam pasākuma profilā ar zināšanām par klientu un programmu, un robotam var būt sava zīmola identitāte ar vārdu, raksturu un zināšanām par piedāvājumu.

Dažas sistēmas apvieno sarunu ar kameras attēlu. Tad robots atpazīst priekšmetu sev priekšā, piemēram, izstādītu produkta modeli, un atsaucas uz to sarunā. Tas noder salonos un stendos, kur viesi jautā: „un kas tas ir?”.

Kāpēc robota atbildes ātrums ir tik svarīgs?

Humanoīdā robota atbildes ātrums nosaka, vai saruna šķiet dabiska, jo cilvēki ir pieraduši pie ļoti īsām pauzēm starp replikām. PNAS publicētā pētījumā par vairākām valodām konstatēts, ka visās pētītajās valodās biežākā pauze starp vienas replikas beigām un atbildes sākumu ir tikai sekundes daļa (Stivers u. c., PNAS).

Neviena runas atpazīšanas, valodas modeļa un runas sintēzes ķēde neatbild tik ātri kā cilvēks, tāpēc robotu sistēmas to kompensē ar sarunas vadīšanas veidu:

  • atbildi sāk atskaņot, pirms tā ir pilnībā ģenerēta,
  • īsas atbildes, nevis gari monologi,
  • žests vai galvas kustība uzreiz pēc jautājuma, lai viesis zinātu, ka robots klausās,
  • iespēja robotu pārtraukt teikuma vidū.

Otra problēma ir brīdis, kad robots nolemj, ka cilvēks ir beidzis runāt. Pārāk agri, un robots iejaucas katrā domāšanas pauzē. Pārāk vēlu, un viesi gaida klusumā. Šis iestatījums jāpielāgo auditorijai: bērni un cilvēki, kas runā svešvalodā, ietur garākas pauzes.

Cik valodās un ar kādu balsi humanoīdais robots var runāt?

Valodu skaits un balss izvēle atkarīga no humanoīdā robota sarunu programmatūras, nevis no robota aparatūras. MERA OS, MERA Robotics izstrādātā sarunu sistēma, vada sarunas vairāk nekā 70 valodās, tostarp latviešu, poļu un angļu valodā, ar katrai valodai piemeklētu balsi un dzimtās valodas akcentu. Starptautiskā pasākumā robots var sveikt vienu viesi angliski un ar nākamo runāt latviski.

Izvēloties balsi, pārbaudiet:

  • vai tā atbilst personāžai (vecums, temperaments, zīmols),
  • vai tā konkrētajā valodā skan dabiski, nevis kā tulkojums no angļu valodas,
  • kā tā izrunā klienta īpašvārdus,
  • vai runas temps troksnī paliek saprotams.

Vai cilvēkiem jāpasaka, ka viņi runā ar MI?

Jā: Eiropas Savienībā pienākums informēt cilvēkus, ka viņi runā ar MI, izriet no MI akta pārredzamības noteikumiem, kas tiek piemēroti pakāpeniski (MI akts, pārredzamības pienākumi, MI akta piemērošanas termiņi). Tie prasa, lai MI sistēmas, kas paredzētas tiešai saziņai ar cilvēkiem, būtu veidotas tā, ka šie cilvēki tiek informēti par saziņu ar MI sistēmu, ja vien tas nav acīmredzami. Informācijai jābūt skaidrai un sniegtai vēlākais pirmās saziņas laikā.

Ar humanoīdo robotu parasti ir acīmredzami, ka runā mašīna. Tomēr viens teikums robota sveicienā vai zīme stendā ir vienkāršs risinājums, kas novērš jebkādas šaubas. Atsevišķs jautājums ir dati: ja sarunas tiek ierakstītas vai reģistrētas, viesiem par to jāzina.

Kas jāpārbauda pirms pasākuma ar runājošu robotu?

Pirms pasākuma ar runājošu humanoīdo robotu pārbaudiet septiņas lietas:

  1. Sarunas tests tieši norises vietā vai līdzīgā troksnī.
  2. Īpašvārdu saraksts, kas robotam jāatpazīst un pareizi jāizrunā.
  3. Klienta apstiprināta personāža un atbilžu garums.
  4. Aizliegto tēmu saraksts un veids, kā robots atsaka.
  5. Skatuves plāns: mikrofons viesim, pieslēgums zāles skaņas sistēmai.
  6. Paziņojums viesiem, ka viņi runā ar MI.
  7. Operators uz vietas, kurš var pārņemt sarunu, pārslēgt valodu vai apturēt robotu.

Pasākumiem pieejamos modeļus skatiet robotu nomas un pārdošanas katalogā, bet nomas iespējas lapā humanoīda robota noma pasākumam.

Kā izvēlēties partneri humanoīdā robota sarunām?

Partneri humanoīdā robota sarunām vērtējiet pēc kritērijiem, ko var pārbaudīt pirms līguma parakstīšanas:

  • sava sarunu programmatūra, nevis viena stingra ražotāja lietotne,
  • valodu skaits un tas, cik dabiski balss skan Jūsu valodā,
  • personāža un zināšanas, kas sagatavotas Jūsu pasākumam, nevis vispārīgs tērzēšanas robots,
  • operatori uz vietas, kas reaģē, ja kaut kas noiet greizi,
  • robotu modeļi, kas pieejami nomai vai iegādei,
  • pieredze pasākumos gan savā valstī, gan ārzemēs.

Biežāk uzdotie jautājumi

Vai humanoīdais robots saprot, ko cilvēki tam saka?

Humanoīdais robots pārvērš runu tekstā, un valodas modelis interpretē nozīmi un uzraksta atbildi. Tas saprot dabiskā valodā uzdotus jautājumus, bet zināšanas par konkrētu pasākumu, piedāvājumu vai programmu jāsagatavo iepriekš.

Kāpēc robots dažkārt atbild ne par tēmu?

Parasti tāpēc, ka troksnī pārklausījās jautājumu: runas atpazīšana pierakstīja citus vārdus, un modelis pareizi atbildēja uz kļūdaini atšifrētu jautājumu. Palīdz runāšana tuvu robotam, mikrofons viesim un īpašvārdu iepriekšēja nodošana sistēmai.

Vai humanoīdais robots vienā pasākumā var runāt vairākās valodās?

Jā, ja to atbalsta sarunu programmatūra. MERA OS, MERA Robotics sistēma, vada sarunas vairāk nekā 70 valodās, tostarp latviešu, poļu un angļu valodā, ar katrai valodai piemeklētu balsi.

Vai viesiem jāpasaka, ka viņi runā ar MI?

ES MI akta pārredzamības noteikumi prasa informēt cilvēkus, kas tieši sazinās ar MI sistēmu, ja vien tas nav acīmredzami. Ar humanoīdo robotu parasti pietiek ar vienu teikumu sveicienā vai zīmi pie stenda.

Avoti

  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
Praktisks ceļvedis

Kā izvēlēties sarunu programmatūru humanoīdajam robotam?

  1. Saderība ar jūsu robota modeli un tā programmatūras versiju.
  2. Valodas un balsis: cik valodās sistēma sarunājas un vai balss atbilst katrai valodai?
  3. Zināšanas un persona: kā pievienot zināšanas par pasākumu vai zīmolu un kā noteikt robota raksturu.
  4. Vadība: vai operators var pārņemt sarunu, kustības un žestus, piemēram, no lietotnes tālrunī?
  5. Satura kontrole: kā ierobežot tēmas un atbildes, kas pārsniedz sagatavotās zināšanas.
  6. Licence un atbalsts: ko ietver licence un kas atbild par atjauninājumiem.

Šo lapu publicē MERA Robotics, uzņēmums, kas licencē MERA OS, sarunu programmatūru humanoīdajiem robotiem.

Mūsu piedāvājums

Roboti nomai un pārdošanai

Viss robotu katalogs (angļu valodā) →

Kontakti

Parunāsim par jūsu pasākumu

Īsi aprakstiet, kas jums nepieciešams. Atbildēsim ar robota un scenārija priekšlikumu un cenas piedāvājumu.

Veidlapas datus izmantojam tikai tam, lai atbildētu uz jūsu pieprasījumu.

Zināšanu bāze

Lasiet arī

Pārbaudīt brīvos datumus