A humanoid robot and artificial intelligence
Baza znanja

Kako humanoidni robot razgovara sa ljudima: prepoznavanje govora, veštačka inteligencija i glas robota

Kako humanoidni robot čuje, razume i odgovara: mikrofoni, prepoznavanje govora, jezički model, glas, brzina odgovora, buka na događaju i evropski AI Act.

Redakcija MERA RoboticsAžurirano: 21. новембар 2026.6 min čitanjaAzərbaycancaBahasa MelayuShqipМакедонскиBosanskiहिन्दीالعربيةTiếng Việtעברית中文日本語TürkçeBahasa IndonesiaDanskSuomiMagyarΕλληνικάSlovenčinaEestiSlovenščinaHrvatskiČeštinaLatviešuNorsk한국어LietuviųPortuguêsSvenskaБългарскиRomânăFrançaisEspañolItalianoNederlands

Ukratko

Humanoidni robot razgovara pomoću lanca softvera: mikrofoni hvataju zvuk, prepoznavanje govora pretvara ga u tekst, jezički model piše odgovor u skladu sa personom i znanjem o događaju, a sinteza govora ga izgovara. Kvalitet razgovora zavisi od softvera, pripremljenog znanja i akustike prostora, a ne samo od samog robota.

SadržajKako korak po korak teče razgovor sa humanoidnim robotom?Šta humanoidni robot čuje i kako se snalazi u buci?Kako humanoidni robot zna šta treba da kaže?Zašto je brzina odgovora robota toliko važna?Koliko jezika i koji glas može da koristi humanoidni robot?Da li ljudi moraju da znaju da razgovaraju sa veštačkom inteligencijom?Šta proveriti pre događaja sa robotom koji razgovara?Kako izabrati partnera za razgovore humanoidnog robota?

Humanoidni robot razgovara sa ljudima pomoću lanca softvera: mikrofoni hvataju zvuk, prepoznavanje govora pretvara ga u tekst, jezički 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 (na primer Unitree G1) daje „uši“, „usta“ i pokrete; kvalitet razgovora zavisi od softvera i od toga koliko je dobro pripremljen za određeni prostor.

Kako korak po korak teče razgovor sa humanoidnim robotom?

Razgovor sa humanoidnim robotom prolazi kroz pet faza koje se ponavljaju pri svakoj smeni govornika:

Faza Šta se dešava Od čega zavisi kvalitet
Slušanje mikrofoni robota (ili spoljni mikrofon) hvataju zvuk buka, udaljenost od sagovornika, eho u prostoriji
Prepoznavanje reda sistem odlučuje kada je osoba počela i završila da govori podešavanja osetljivosti, žamor u pozadini
Prepoznavanje govora govor se pretvara u tekst jezik, akcenat, vlastita imena, dečji glasovi
Odgovor jezički model piše odgovor uz pomoć persone i znanja kvalitet opisa persone i baze znanja, pravila o temama
Glas i pokret sinteza govora, zvučnik, gestovi glas prilagođen jeziku, jačina zvuka, razglas u prostoru

Slaba karika bilo gde prekida ceo lanac. Najčešći problem na događajima nije „glupa veštačka inteligencija“, već robot koji je u buci pogrešno čuo pitanje, a zatim tačno odgovorio na nešto što niko 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

Šta 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 sagovornika. Prema proizvođaču, Unitree G1 ima niz mikrofona i ugrađen zvučnik (specifikacije Unitree G1). To je dovoljno za razgovor u kancelariji, izložbenom salonu ili na mirnom štandu.

Na sajmu, gala večeri ili festivalu stvari se menjaju: muzika, razglas sa bine i desetine istovremenih razgovora stižu do istih mikrofona. U praksi pomaže:

  • da gost priđe blizu robota i govori direktno njemu, a ne sa strane,
  • ručni ili usmereni mikrofon za goste na bini i u panelima,
  • smeštaj štanda dalje od zvučnika bine,
  • unapred zadata vlastita imena (brend, proizvodi, imena govornika), kako ih prepoznavanje govora ne bi iskrivilo,
  • proba u stvarnom prostoru, a ne samo u kancelariji.

Isto važi i za zvuk koji robot proizvodi: ugrađeni zvučnik je dovoljan za razgovor jedan na jedan, ali za nastup na bini zvuk robota mora da ide u razglas prostora.

Kako humanoidni robot zna šta treba da kaže?

Odgovore humanoidnog robota piše jezički model koji dobija opis persone, znanje o događaju i pravila o tome šta robot ne sme da kaže. Model uopšteno poznaje jezik i svet, ali ne zna ništa o programu konferencije, proizvodima klijenta niti o tome gde je garderoba. To znanje treba pripremiti.

Dobar paket za pripremu obuhvata:

  • personu: ime, karakter, način govora, dužinu odgovora,
  • znanje: program, govornike, ponudu, odgovore na tipična pitanja gostiju,
  • granice: zabranjene teme, način odbijanja, šta da radi sa pitanjima o politici ili konkurenciji,
  • scenario: pozdrav, poziv na fotografisanje, prosleđivanje gosta osobi na štandu.

Tako radi MERA Robotics: izjave robota pripremaju se za svaki pojedinačni događaj u profilu događaja sa znanjem o klijentu i programu, a robot može da ima sopstveni identitet brenda sa imenom, karakterom i znanjem o ponudi.

Neki sistemi razgovor povezuju sa slikom sa kamere. Robot tada prepoznaje predmet ispred sebe, na primer izloženi model proizvoda, i pominje ga u razgovoru. To je korisno u izložbenim salonima i na štandovima, gde gosti pitaju „a šta je ovo?“.

Zašto je brzina odgovora robota toliko važna?

Brzina odgovora humanoidnog robota odlučuje da li će razgovor delovati prirodno, jer su ljudi navikli na vrlo kratke pauze između smena govornika. Istraživanje smene govornika u nizu jezika objavljeno u časopisu PNAS pokazalo je da su u svim proučavanim jezicima najčešće pauze između kraja jedne izjave i početka odgovora vrlo kratke i mere se u delićima sekunde (Stivers i sar., PNAS).

Nijedan lanac prepoznavanja govora, jezičkog modela i sinteze govora ne odgovara brzo kao čovek, pa sistemi robota to nadoknađuju načinom vođenja razgovora:

  • odgovor počinje da se reprodukuje pre nego što je u celosti stvoren,
  • kratki odgovori umesto dugih monologa,
  • gest ili pokret glave odmah posle pitanja, kako bi gost znao da ga robot sluša,
  • mogućnost da se robot prekine usred rečenice.

Drugi problem je trenutak u kome robot zaključi da je osoba završila. Ako to uradi prerano, upada u svaku pauzu za razmišljanje. Ako to uradi prekasno, gosti čekaju u tišini. To podešavanje treba da odgovara publici: deca i ljudi koji govore strani jezik prave duže pauze.

Koliko jezika i koji glas može da koristi humanoidni robot?

Broj jezika i izbor glasa zavise od softvera za razgovor humanoidnog robota, a ne od hardvera robota. MERA OS, sistem za razgovor koji je razvila MERA Robotics, vodi razgovore na više od 70 jezika, među njima na poljskom, engleskom, nemačkom i hrvatskom, sa glasom prilagođenim svakom jeziku i izvornim akcentom. Na međunarodnom događaju robot može jednog gosta da pozdravi na engleskom, a sa sledećim da razgovara na nemačkom.

Pri izboru glasa proverite:

  • da li odgovara personi (uzrast, temperament, brend),
  • da li zvuči prirodno na tom jeziku, a ne kao prevod sa engleskog,
  • kako izgovara vlastita imena klijenta,
  • da li tempo govora ostaje razumljiv u buci.

Da li ljudi moraju da znaju da razgovaraju sa veštačkom inteligencijom?

Da: u Evropskoj uniji obaveza obaveštavanja ljudi da razgovaraju sa veštačkom inteligencijom proizlazi iz pravila o transparentnosti AI Acta, koja se primenjuju od avgusta 2026. godine. Ona zahtevaju da sistemi veštačke inteligencije namenjeni direktnoj interakciji sa ljudima budu osmišljeni tako da ti ljudi budu obavešteni da komuniciraju sa sistemom veštačke inteligencije, osim ako je to očigledno (AI Act, obaveze transparentnosti, AI Act, stupanje na snagu i primena). Obaveštenje mora da bude jasno i dato najkasnije pri prvoj interakciji.

Kod humanoidnog robota obično je očigledno da govori mašina. Ipak, jedna rečenica u pozdravu robota ili natpis na štandu jednostavni su i otklanjaju svaku sumnju. Podaci su posebno pitanje: ako se razgovori snimaju ili beleže, gosti to treba da znaju.

Šta proveriti pre događaja sa robotom koji razgovara?

Pre događaja sa humanoidnim robotom koji razgovara proverite sedam stvari:

  1. Probni razgovor u stvarnom prostoru ili u sličnoj buci.
  2. Spisak vlastitih imena koja robot mora da prepozna i pravilno izgovori.
  3. Personu i dužinu odgovora koje je odobrio klijent.
  4. Spisak zabranjenih tema i način na koji ih robot odbija.
  5. Plan bine: mikrofon za gosta, povezivanje na razglas.
  6. Obaveštenje kojim se gostima kaže da razgovaraju sa veštačkom inteligencijom.
  7. Operatera na licu mesta koji može da preuzme razgovor, promeni jezik ili zaustavi robota.

Modele dostupne za događaje pogledajte u katalogu robota za iznajmljivanje i prodaju, a o iznajmljivanju robota sa operaterima pročitajte na stranici iznajmljivanje humanoidnog robota za događaje.

Kako izabrati partnera za razgovore humanoidnog robota?

Partnera za razgovore humanoidnog robota procenite prema kriterijumima koje možete da proverite pre potpisivanja:

  • sopstveni 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 uopšteni četbot,
  • operateri na licu mesta koji reaguju kada nešto krene naopako,
  • modeli robota dostupni za iznajmljivanje ili kupovinu,
  • iskustvo sa događajima u sopstvenoj zemlji i u inostranstvu.

Često postavljana pitanja

Da li humanoidni robot razume šta mu ljudi govore?

Humanoidni robot pretvara govor u tekst, a jezički model tumači značenje i piše odgovor. Razume pitanja postavljena prirodnim jezikom, ali znanje o konkretnom događaju, ponudi ili programu mora da se pripremi unapred.

Zašto robot ponekad odgovara van teme?

Obično zato što je u buci pogrešno čuo pitanje: prepoznavanje govora zapisalo je druge reči, a model je tačno odgovorio na pogrešno zapisano pitanje. Pomažu govor iz blizine, mikrofon za gosta i unapred zadata vlastita imena.

Da li humanoidni robot na jednom događaju može da govori više jezika?

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

Da li gostima mora da se kaže da razgovaraju sa veštačkom inteligencijom?

U EU AI Act, koji se primenjuje od avgusta 2026. godine, zahteva da ljudi koji direktno komuniciraju sa sistemom veštačke inteligencije o tome budu obavešteni, osim ako je to očigledno. 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 izabrati softver za razgovor za humanoidnog robota?

  1. Kompatibilnost sa vašim modelom robota i verzijom njegovog softvera.
  2. Jezici i glasovi: na koliko jezika sistem vodi razgovor i da li glas odgovara svakom jeziku?
  3. Znanje i persona: kako se unosi znanje o događaju ili brendu i kako se određuje karakter robota.
  4. Upravljanje: može li operater da preuzme razgovor, kretanje i gestove, na primer iz aplikacije na telefonu?
  5. Kontrola sadržaja: kako se ograničavaju teme i odgovori izvan pripremljenog znanja.
  6. Licenca i podrška: šta licenca obuhvata i ko odgovara za ažuriranja.

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

Naša ponuda

Roboti za iznajmljivanje i prodaju

Ceo katalog robota (na engleskom) →

Kontakt

Razgovarajmo o vašem događaju

Ukratko opišite šta vam je potrebno. U odgovoru vam šaljemo predlog robota i scenarija, kao i ponudu.

Podatke iz formulara koristimo samo za odgovor na vaš upit.

Baza znanja

Pročitajte još

Proverite dostupnost