A humanoid robot and artificial intelligence
Teadmusbaas

Kuidas humanoidrobot inimestega räägib: kõnetuvastus, tehisintellekt ja roboti hääl

Kuidas humanoidrobot kuuleb, mõistab ja vastab: mikrofonid, kõnetuvastus, keelemudel, hääl, vastamise kiirus, müra üritustel ja ELi tehisintellekti määrus.

MERA Roboticsi toimetusUuendatud: 21. november 20265 min lugemistTürkçe日本語Bahasa Indonesia中文DanskMagyarSuomiSlovenčinaΕλληνικάČeštinaSlovenščinaLatviešuHrvatskiLietuvių한국어NorskRomânăБългарскиSvenskaPortuguêsFrançaisNederlandsEspañolItalianoPolskiDeutschEnglish

Lühidalt

Humanoidrobot räägib tarkvaraahela kaudu: mikrofonid püüavad heli, kõnetuvastus muudab selle tekstiks, keelemudel kirjutab persoona ja ürituse teadmistega sobiva vastuse ning kõnesüntees ütleb selle välja. Vestluse kvaliteet sõltub tarkvarast, ettevalmistatud teadmistest ja akustikast, mitte ainult robotist endast.

SisukordKuidas vestlus humanoidrobotiga samm-sammult toimib?Mida humanoidrobot kuuleb ja kuidas ta müraga toime tuleb?Kust humanoidrobot teab, mida öelda?Miks on roboti vastamise kiirus nii oluline?Mitmes keeles ja millise häälega humanoidrobot rääkida saab?Kas inimestele tuleb öelda, et nad räägivad tehisintellektiga?Mida kontrollida enne üritust, kus esineb rääkiv robot?Kuidas valida partnerit humanoidroboti vestluste jaoks?

Humanoidrobot räägib inimestega tarkvaraahela kaudu: mikrofonid püüavad heli, kõnetuvastus muudab selle tekstiks, keelemudel kirjutab vastuse, mis sobib roboti persoona ja ürituse kohta teadaolevaga, ning kõnesüntees muudab vastuse hääleks, mida kõlarist kuulete. Robot ise (näiteks Unitree G1) annab „kõrvad“, „suu“ ja liikumise; vestluse kvaliteet sõltub tarkvarast ja sellest, kui hästi see on konkreetseks toimumiskohaks ette valmistatud.

Kuidas vestlus humanoidrobotiga samm-sammult toimib?

Vestlus humanoidrobotiga läbib viis etappi, mis korduvad iga repliigiga:

Etapp Mis toimub Millest kvaliteet sõltub
Kuulamine roboti mikrofonid (või väline mikrofon) püüavad heli müra, kaugus kõnelejast, ruumi kaja
Kõnevooru tuvastamine süsteem otsustab, millal inimene rääkimist alustas ja lõpetas tundlikkuse seaded, taustajutt
Kõnetuvastus kõne muudetakse tekstiks keel, aktsent, pärisnimed, laste hääled
Vastus keelemudel kirjutab vastuse persoona ja teadmiste põhjal persoona kirjelduse ja teadmusbaasi kvaliteet, teemade reeglid
Hääl ja liikumine kõnesüntees, kõlar, žestid keelele sobiv hääl, helitugevus, saali helisüsteem

Nõrk lüli ükskõik kus lõhub kogu ahela. Kõige sagedasem viga üritustel ei ole „rumal tehisintellekt“, vaid robot, kes kuulis rahvamüras küsimust valesti ja vastas seejärel korrektselt millelegi, mida keegi ei küsinud.

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

Mida humanoidrobot kuuleb ja kuidas ta müraga toime tuleb?

Humanoidrobot kuuleb sisseehitatud mikrofonimassiivi abil, kuid lärmakas kohas toimib sageli paremini lisamikrofon kõneleja suu lähedal. Tootja andmetel on Unitree G1-l nelja mikrofoniga massiiv ja 5 W kõlar (Unitree G1 tehnilised andmed). Sellest piisab vestluseks kontoris, esindussalongis või vaikses messiboksis.

Messil, galal või festivalil on olukord teine: muusika, lava helisüsteem ja kümned samaaegsed vestlused jõuavad kõik samadesse mikrofonidesse. Praktikas aitab:

  • kui külaline astub robotile lähedale ja räägib otse temaga, mitte küljelt,
  • käsi- või suunamikrofon külalistele laval ja paneelides,
  • messiboksi paigutamine lava kõlaritest eemale,
  • pärisnimede (kaubamärk, tooted, esinejate nimed) andmine süsteemile ette, et kõnetuvastus neid ei moonutaks,
  • testimine päris toimumiskohas, mitte ainult kontoris.

Sama kehtib heli väljundi kohta: roboti sisseehitatud kõlarist piisab vestluseks silmast silma, kuid lavaesinemisel peab roboti heli minema toimumiskoha helisüsteemi.

Kust humanoidrobot teab, mida öelda?

Humanoidroboti vastused kirjutab keelemudel, mis saab persoona kirjelduse, teadmised ürituse kohta ja reeglid selle kohta, mida robot öelda ei tohi. Mudel tunneb keelt ja maailma üldiselt, kuid ei tea midagi konverentsi programmist, kliendi toodetest ega sellest, kus asub garderoob. Need teadmised tuleb ette valmistada.

Hea ettevalmistuspakett sisaldab:

  • persoonat: nimi, iseloom, kõneviis, vastuste pikkus,
  • teadmisi: programm, esinejad, pakkumine, vastused külaliste tüüpilistele küsimustele,
  • piire: keelatud teemad, kuidas viisakalt keelduda, mida teha küsimustega poliitika või konkurentide kohta,
  • stsenaariumi: tervitus, kutse pildistama, külalise üleandmine messiboksis olevale inimesele.

Nii töötab MERA Robotics: roboti jutt valmistatakse iga konkreetse ürituse jaoks ette ürituse profiilis, kus on teadmised kliendi ja programmi kohta, ning robotil võib olla oma brändiidentiteet nime, iseloomu ja pakkumise tundmisega.

Mõni süsteem ühendab vestluse kaamerapildiga. Siis tunneb robot ära enda ees oleva eseme, näiteks väljapandud toote mudeli, ja viitab sellele vestluses. See on kasulik esindussalongides ja messiboksides, kus külalised küsivad: „Aga mis see on?“

Miks on roboti vastamise kiirus nii oluline?

Humanoidroboti vastamise kiirus otsustab, kas vestlus tundub loomulik, sest inimesed on harjunud väga lühikeste pausidega kõnevoorude vahel. Kümmet keelt võrdlev ajakirjas PNAS avaldatud uuring näitas, et kõigis uuritud keeltes on paus ühe repliigi lõpu ja vastuse alguse vahel tavaliselt vaid murdosa sekundist (Stivers jt, PNAS).

Ükski kõnetuvastuse, keelemudeli ja kõnesünteesi ahel ei vasta nii kiiresti kui inimene, seega kompenseerivad robotisüsteemid seda vestluse juhtimise viisiga:

  • vastust hakatakse esitama enne, kui see on täielikult valmis,
  • pikkade monoloogide asemel lühikesed vastused,
  • žest või pealiigutus kohe pärast küsimust, et külaline teaks, et robot kuulab,
  • võimalus robot lause keskel katkestada.

Teine probleem on hetk, mil robot otsustab, et inimene on rääkimise lõpetanud. Liiga vara ja robot segab vahele iga mõttepausi ajal. Liiga hilja ja külalised ootavad vaikuses. See seade peaks sobima publikuga: lapsed ja võõrkeeles rääkijad teevad pikemaid pause.

Mitmes keeles ja millise häälega humanoidrobot rääkida saab?

Keelte arv ja hääle valik sõltuvad humanoidroboti vestlustarkvarast, mitte roboti riistvarast. MERA Roboticsi arendatud vestlussüsteem MERA OS peab vestlusi enam kui 70 keeles, sealhulgas eesti, poola ja inglise keeles, iga keele jaoks sobiva häälega ja emakeelse aktsendiga. Rahvusvahelisel üritusel saab robot ühte külalist tervitada inglise keeles ja järgmisega rääkida eesti keeles.

Hääle valikul kontrollige:

  • kas see sobib persoonaga (vanus, temperament, kaubamärk),
  • kas see kõlab selles keeles loomulikult, mitte nagu tõlge inglise keelest,
  • kuidas see hääldab kliendi pärisnimesid,
  • kas kõnetempo püsib müras arusaadav.

Kas inimestele tuleb öelda, et nad räägivad tehisintellektiga?

Jah: Euroopa Liidus tuleneb kohustus teavitada inimesi, et nad räägivad tehisintellektiga, tehisintellekti määruse läbipaistvussätetest, mida kohaldatakse alates 2. augustist 2026. Need nõuavad, et inimestega otse suhtlemiseks mõeldud tehisintellektisüsteemid oleksid kavandatud nii, et inimesi teavitatakse tehisintellektisüsteemiga suhtlemisest, välja arvatud juhul, kui see on ilmne (AI Act, läbipaistvuskohustused; AI Act, jõustumine ja kohaldamine). Teave peab olema selge ja antud hiljemalt esimesel suhtlusel.

Humanoidroboti puhul on tavaliselt ilmne, et räägib masin. Siiski on üks lause roboti tervituses või silt messiboksis lihtne lahendus, mis kõrvaldab igasuguse kahtluse. Andmed on eraldi küsimus: kui vestlusi salvestatakse või logitakse, peaksid külalised seda teadma.

Mida kontrollida enne üritust, kus esineb rääkiv robot?

Enne üritust, kus esineb rääkiv humanoidrobot, kontrollige seitset asja:

  1. Vestlustest päris toimumiskohas või sarnases müras.
  2. Pärisnimede loetelu, mida robot peab ära tundma ja õigesti hääldama.
  3. Kliendi kinnitatud persoona ja vastuste pikkus.
  4. Keelatud teemade loetelu ja see, kuidas robot keeldub.
  5. Lavaplaan: mikrofon külalisele, ühendus helisüsteemiga.
  6. Teade, mis ütleb külalistele, et nad räägivad tehisintellektiga.
  7. Operaator kohapeal, kes saab vestluse üle võtta, keelt vahetada või roboti peatada.

Üritusteks saadaolevaid mudeleid vaadake rendi- ja müügirobotite kataloogist.

Kuidas valida partnerit humanoidroboti vestluste jaoks?

Hinnake humanoidroboti vestluste partnerit kriteeriumide järgi, mida saab enne lepingu allkirjastamist kontrollida:

  • oma vestlustarkvara, mitte üks jäik tootja rakendus,
  • keelte arv ja see, kui loomulikult hääl teie keeles kõlab,
  • teie ürituse jaoks ette valmistatud persoona ja teadmised, mitte üldine vestlusrobot,
  • operaatorid kohapeal, kes reageerivad, kui midagi läheb valesti,
  • robotimudelid, mida saab rentida või osta,
  • ürituste kogemus kodumaal ja välismaal.

Paluge enne lepingut proovivestlust oma keeles ja oma pärisnimedega: nii näete kohe, kuidas süsteem teie tingimustes toime tuleb. Ürituste rendi kohta lähemalt lehel humanoidroboti rent üritusele.

Korduma kippuvad küsimused

Kas humanoidrobot saab aru, mida talle öeldakse?

Humanoidrobot muudab kõne tekstiks ning keelemudel tõlgendab tähendust ja kirjutab vastuse. Robot mõistab loomulikus keeles esitatud küsimusi, kuid teadmised konkreetse ürituse, pakkumise või programmi kohta tuleb ette valmistada.

Miks robot vahel teemast mööda vastab?

Tavaliselt seepärast, et ta kuulis müras küsimust valesti: kõnetuvastus kirjutas üles teised sõnad ja mudel vastas korrektselt valesti kirja pandud küsimusele. Aitavad lähedalt rääkimine, mikrofon külalisele ja pärisnimede eelnev andmine süsteemile.

Kas humanoidrobot saab ühel üritusel rääkida mitut keelt?

Jah, kui vestlustarkvara seda toetab. Mitmekeelne süsteem tunneb külalise keele ära ja vastab samas keeles; enne üritust tasub iga vajalikku keelt, nimede hääldust ja hääle loomulikkust päris toimumiskohas testida.

Kas külalistele tuleb öelda, et nad räägivad tehisintellektiga?

ELis nõuavad tehisintellekti määruse läbipaistvussätted, mida kohaldatakse alates 2. augustist 2026, et tehisintellektisüsteemiga otse suhtlevaid inimesi sellest teavitataks, kui see ei ole ilmne. Humanoidroboti puhul piisab tavaliselt ühest lausest tervituses või sildist messiboksis.

Allikad

  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
Praktiline juhend

Kuidas valida humanoidrobotile vestlustarkvara?

  1. Ühilduvus teie robotimudeli ja selle tarkvaraversiooniga.
  2. Keeled ja hääled: mitmes keeles süsteem vestleb ja kas hääl sobib iga keelega?
  3. Teadmised ja persoona: kuidas lisada teadmised ürituse või brändi kohta ja kuidas määrata roboti iseloom.
  4. Juhtimine: kas operaator saab vestluse, liikumise ja žestid üle võtta, näiteks telefonirakendusest?
  5. Sisu kontroll: kuidas piirata teemasid ja vastuseid, mis väljuvad ettevalmistatud teadmiste piirest.
  6. Litsents ja tugi: mida litsents hõlmab ja kes vastutab uuenduste eest.

Selle lehe avaldab MERA Robotics, ettevõte, mis litsentsib MERA OS-i, humanoidrobotite vestlustarkvara.

Meie valikus

Robotid rendiks ja müügiks

Kogu robotikataloog (inglise keeles) →

Kontakt

Räägime teie üritusest

Kirjeldage lühidalt, mida vajate. Vastame ettepanekuga roboti ja stsenaariumi kohta ning hinnapakkumisega.

Kasutame vormi andmeid ainult teie päringule vastamiseks.

Teadmusbaas

Loe ka

Kontrolli vabu kuupäevi