A humanoid robot and artificial intelligence
Baza znanja

Kako humanoidni robot razgovara s ljudima: prepoznavanje govora, umjetna inteligencija i glas robota

Kako humanoidni robot čuje, razumije i odgovara: mikrofoni, prepoznavanje govora, jezični model, glas, brzina odgovora, buka na događaju i europski AI Act.

Redakcija MERA RoboticsAžurirano: 21. studenoga 2026.6 min čitanjaSuomiEestiMagyarSlovenčinaΕλληνικάSlovenščinaČeštinaLatviešuNorsk한국어LietuviųRomânăSvenskaБългарскиPortuguêsFrançaisNederlandsItalianoEspañolEnglishDeutschPolski

Ukratko

Humanoidni robot razgovara pomoću lanca softvera: mikrofoni hvataju zvuk, prepoznavanje govora pretvara ga u tekst, jezični model piše odgovor u skladu s personom i znanjem o događaju, a sinteza govora ga izgovara. Kvaliteta razgovora ovisi o softveru, pripremljenom znanju i akustici prostora, a ne samo o samom robotu.

SadržajKako korak po korak teče razgovor s humanoidnim robotom?Što humanoidni robot čuje i kako se snalazi u buci?Kako humanoidni robot zna što treba reći?Zašto je brzina odgovora robota toliko važna?Koliko jezika i koji glas može koristiti humanoidni robot?Moraju li ljudi znati da razgovaraju s umjetnom inteligencijom?Što provjeriti prije događaja s robotom koji razgovara?Kako odabrati partnera za razgovore humanoidnog robota?

Humanoidni robot razgovara s ljudima pomoću lanca softvera: mikrofoni hvataju zvuk, prepoznavanje govora pretvara ga u tekst, jezični model piše odgovor koji odgovara personi robota i onome što zna o događaju, a sinteza govora pretvara taj odgovor u glas koji čujete iz zvučnika. Sam robot (primjerice Unitree G1) daje „uši“, „usta“ i pokrete; kvaliteta razgovora ovisi o softveru i o tome koliko je dobro pripremljen za određeni prostor.

Kako korak po korak teče razgovor s humanoidnim robotom?

Razgovor s humanoidnim robotom prolazi kroz pet faza koje se ponavljaju pri svakoj izmjeni:

Faza Što se događa O čemu ovisi kvaliteta
Slušanje mikrofoni robota (ili vanjski mikrofon) hvataju zvuk buka, udaljenost od sugovornika, jeka u prostoriji
Prepoznavanje reda sustav odlučuje kada je osoba počela i završila govoriti postavke osjetljivosti, žamor u pozadini
Prepoznavanje govora govor se pretvara u tekst jezik, naglasak, vlastita imena, dječji glasovi
Odgovor jezični model piše odgovor uz pomoć persone i znanja kvaliteta opisa persone i baze znanja, pravila o temama
Glas i pokret sinteza govora, zvučnik, geste glas prilagođen jeziku, glasnoća, razglas u prostoru

Slaba karika bilo gdje prekida cijeli lanac. Najčešći problem na događajima nije „glupa umjetna inteligencija“, nego robot koji je u buci krivo čuo pitanje, a zatim točno odgovorio na nešto što nitko nije pitao.

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

Što humanoidni robot čuje i kako se snalazi u buci?

Humanoidni robot čuje preko ugrađenog niza mikrofona, a u bučnom prostoru često bolje radi dodatni mikrofon blizu usta sugovornika. Prema proizvođaču, Unitree G1 ima niz mikrofona i ugrađeni zvučnik (specifikacije Unitree G1). To je dovoljno za razgovor u uredu, izložbenom salonu ili na mirnom štandu.

Na sajmu, gala večeri ili festivalu stvari se mijenjaju: glazba, razglas s pozornice i desetci istodobnih razgovora stižu do istih mikrofona. U praksi pomaže:

  • da gost priđe blizu robota i govori izravno njemu, a ne sa strane,
  • ručni ili usmjereni mikrofon za goste na pozornici i u panelima,
  • smještaj štanda podalje od zvučnika pozornice,
  • unaprijed zadana vlastita imena (marka, proizvodi, imena govornika), kako ih prepoznavanje govora ne bi iskrivilo,
  • proba u stvarnom prostoru, a ne samo u uredu.

Isto vrijedi i za zvuk koji robot proizvodi: ugrađeni zvučnik dovoljan je za razgovor jedan na jedan, ali za nastup na pozornici zvuk robota mora ići u razglas prostora.

Kako humanoidni robot zna što treba reći?

Odgovore humanoidnog robota piše jezični model koji dobiva opis persone, znanje o događaju i pravila o tome što robot ne smije reći. Model općenito poznaje jezik i svijet, ali ne zna ništa o programu konferencije, proizvodima klijenta ni o tome gdje je garderoba. To znanje treba pripremiti.

Dobar paket za pripremu obuhvaća:

  • personu: ime, karakter, način govora, duljinu odgovora,
  • znanje: program, govornike, ponudu, odgovore na tipična pitanja gostiju,
  • granice: zabranjene teme, način odbijanja, što učiniti s pitanjima o politici ili konkurenciji,
  • scenarij: pozdrav, poziv na fotografiranje, predaju gosta osobi na štandu.

Tako radi MERA Robotics: izjave robota pripremaju se za svaki pojedini događaj u profilu događaja sa znanjem o klijentu i programu, a robot može imati vlastiti identitet marke s imenom, karakterom i znanjem o ponudi.

Neki sustavi razgovor povezuju sa slikom s kamere. Robot tada prepoznaje predmet ispred sebe, primjerice izloženi model proizvoda, i spominje ga u razgovoru. To je korisno u izložbenim salonima i na štandovima, gdje gosti pitaju „a što je ovo?“.

Zašto je brzina odgovora robota toliko važna?

Brzina odgovora humanoidnog robota odlučuje hoće li razgovor djelovati prirodno, jer su ljudi navikli na vrlo kratke stanke između izmjena. Istraživanje izmjene govornika u nizu jezika objavljeno u časopisu PNAS pokazalo je da su u svim proučavanim jezicima najčešće stanke između kraja jedne izjave i početka odgovora vrlo kratke i mjere se u djelićima sekunde (Stivers i sur., PNAS).

Nijedan lanac prepoznavanja govora, jezičnog modela i sinteze govora ne odgovara brzo kao čovjek, pa sustavi robota to nadoknađuju načinom vođenja razgovora:

  • odgovor se počinje reproducirati prije nego što je u cijelosti stvoren,
  • kratki odgovori umjesto dugih monologa,
  • gesta ili pokret glave odmah nakon pitanja, kako bi gost znao da ga robot sluša,
  • mogućnost da se robota prekine usred rečenice.

Drugi problem je trenutak u kojem robot zaključi da je osoba završila. Ako to učini prerano, upada u svaku stanku za razmišljanje. Ako to učini prekasno, gosti čekaju u tišini. Ta postavka treba odgovarati publici: djeca i ljudi koji govore strani jezik prave dulje stanke.

Koliko jezika i koji glas može koristiti humanoidni robot?

Broj jezika i izbor glasa ovise o softveru za razgovor humanoidnog robota, a ne o hardveru robota. MERA OS, sustav za razgovor koji je razvila MERA Robotics, vodi razgovore na više od 70 jezika, među njima na hrvatskom, poljskom i engleskom, s glasom prilagođenim svakom jeziku i izvornim naglaskom. Na međunarodnom događaju robot može jednog gosta pozdraviti na engleskom, a sa sljedećim razgovarati na hrvatskom.

Pri odabiru glasa provjerite:

  • odgovara li personi (dob, temperament, marka),
  • zvuči li prirodno na tom jeziku, a ne kao prijevod s engleskog,
  • kako izgovara vlastita imena klijenta,
  • ostaje li tempo govora razumljiv u buci.

Moraju li ljudi znati da razgovaraju s umjetnom inteligencijom?

Da: u Europskoj uniji obveza obavještavanja ljudi da razgovaraju s umjetnom inteligencijom proizlazi iz pravila o transparentnosti AI Acta, koja se primjenjuju od kolovoza 2026. Ona traže da sustavi umjetne inteligencije namijenjeni izravnoj interakciji s ljudima budu oblikovani tako da ti ljudi budu obaviješteni da komuniciraju sa sustavom umjetne inteligencije, osim ako je to očito (AI Act, obveze transparentnosti, AI Act, stupanje na snagu i primjena). Obavijest mora biti jasna i dana najkasnije pri prvoj interakciji.

Kod humanoidnog robota obično je očito da govori stroj. Ipak, jedna rečenica u pozdravu robota ili natpis na štandu jednostavni su i uklanjaju svaku sumnju. Podaci su zasebno pitanje: ako se razgovori snimaju ili bilježe, gosti to trebaju znati.

Što provjeriti prije događaja s robotom koji razgovara?

Prije događaja s humanoidnim robotom koji razgovara provjerite sedam stvari:

  1. Probni razgovor u stvarnom prostoru ili u sličnoj buci.
  2. Popis vlastitih imena koja robot mora prepoznati i pravilno izgovoriti.
  3. Personu i duljinu odgovora koje je odobrio klijent.
  4. Popis zabranjenih tema i način na koji ih robot odbija.
  5. Plan pozornice: mikrofon za gosta, spoj na razglas.
  6. Obavijest kojom se gostima kaže da razgovaraju s umjetnom inteligencijom.
  7. Operatera na licu mjesta koji može preuzeti razgovor, promijeniti jezik ili zaustaviti robota.

Modele dostupne za događaje pogledajte u katalogu robota za najam i prodaju, a o najmu robota s operaterima pročitajte na stranici najam humanoidnog robota za događaje.

Kako odabrati partnera za razgovore humanoidnog robota?

Partnera za razgovore humanoidnog robota procijenite prema kriterijima koje možete provjeriti prije potpisivanja:

  • vlastiti softver za razgovor, a ne jedna kruta aplikacija proizvođača,
  • broj jezika i koliko prirodno glas zvuči na vašem jeziku,
  • persona i znanje pripremljeni za vaš događaj, a ne općeniti chatbot,
  • operateri na licu mjesta koji reagiraju kada nešto pođe po zlu,
  • modeli robota dostupni za najam ili kupnju,
  • iskustvo s događajima u vlastitoj zemlji i u inozemstvu.

Česta pitanja

Razumije li humanoidni robot što mu ljudi govore?

Humanoidni robot pretvara govor u tekst, a jezični model tumači značenje i piše odgovor. Razumije pitanja postavljena prirodnim jezikom, ali znanje o konkretnom događaju, ponudi ili programu mora se pripremiti unaprijed.

Zašto robot ponekad odgovara izvan teme?

Obično zato što je u buci krivo čuo pitanje: prepoznavanje govora zapisalo je druge riječi, a model je točno odgovorio na krivo zapisano pitanje. Pomažu govor iz blizine, mikrofon za gosta i unaprijed zadana vlastita imena.

Može li humanoidni robot na jednom događaju govoriti više jezika?

Da, ako to podržava softver za razgovor. MERA OS, sustav tvrtke MERA Robotics, vodi razgovore na više od 70 jezika, među njima na hrvatskom, poljskom i engleskom, s glasom prilagođenim svakom jeziku.

Mora li se gostima reći da razgovaraju s umjetnom inteligencijom?

U EU-u AI Act, koji se primjenjuje od kolovoza 2026., traži da ljudi koji izravno komuniciraju sa sustavom umjetne inteligencije o tome budu obaviješteni, osim ako je to očito. Kod humanoidnog robota obično je dovoljna jedna rečenica u pozdravu ili natpis na štandu.

Izvori

  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
Praktični vodič

Kako odabrati softver za razgovor za humanoidnog robota?

  1. Kompatibilnost s vašim modelom robota i verzijom njegova softvera.
  2. Jezici i glasovi: na koliko jezika sustav vodi razgovor i odgovara li glas svakom jeziku?
  3. Znanje i persona: kako se unosi znanje o događaju ili marki i kako se određuje karakter robota.
  4. Upravljanje: može li operater preuzeti razgovor, kretanje i geste, na primjer iz aplikacije na mobitelu?
  5. Kontrola sadržaja: kako se ograničavaju teme i odgovori izvan pripremljenog znanja.
  6. Licencija i podrška: što licencija obuhvaća i tko odgovara za ažuriranja.

Ovu stranicu objavljuje MERA Robotics, tvrtka koja licencira MERA OS, softver za razgovor za humanoidne robote.

Naša ponuda

Roboti za najam i prodaju

Cijeli katalog robota (na engleskom) →

Kontakt

Razgovarajmo o vašem događaju

Ukratko opišite što vam je potrebno. Odgovorit ćemo s prijedlogom robota i scenarija te s ponudom.

Podatke iz obrasca koristimo samo za odgovor na vaš upit.

Baza znanja

Pročitajte i

Provjerite dostupnost