# Miten humanoidirobotti puhuu ihmisten kanssa: puheentunnistus, tekoäly ja robotin ääni

URL: https://merarobotics.com/blog/miten-humanoidirobotti-puhuu-puheentunnistus-tekoaly-robotin-aani
Language: fi
Publisher: MERA Robotics (https://merarobotics.com)
Updated: 2026-11-21

> Humanoidirobotti puhuu ohjelmistoketjun avulla: mikrofonit poimivat äänen, puheentunnistus muuttaa sen tekstiksi, kielimalli kirjoittaa persoonaan ja tapahtumatietoihin sopivan vastauksen, ja puhesynteesi lausuu sen. Keskustelun laatu riippuu ohjelmistosta, valmistelluista tiedoista ja akustiikasta, ei pelkästään robotista.

Humanoidirobotti puhuu ihmisten kanssa ohjelmistoketjun avulla: mikrofonit poimivat äänen, puheentunnistus muuttaa sen tekstiksi, kielimalli kirjoittaa vastauksen, joka sopii robotin persoonaan ja sen tietoihin tapahtumasta, ja puhesynteesi muuttaa vastauksen ääneksi, jonka kuulet kaiuttimesta. Itse robotti (esimerkiksi Unitree G1) antaa ”korvat”, ”suun” ja liikkeet; keskustelun laatu riippuu ohjelmistosta ja siitä, kuinka hyvin se on valmisteltu tiettyyn paikkaan.

## Miten keskustelu humanoidirobotin kanssa etenee vaihe vaiheelta?

Keskustelu humanoidirobotin kanssa kulkee viiden vaiheen kautta, jotka toistuvat jokaisessa vuorossa:

| Vaihe | Mitä tapahtuu | Mistä laatu riippuu |
|---|---|---|
| Kuuntelu | robotin mikrofonit (tai ulkoinen mikrofoni) poimivat äänen | melu, etäisyys puhujaan, tilan kaiku |
| Vuoron tunnistus | järjestelmä päättää, milloin ihminen alkoi ja lopetti puhumisen | herkkyysasetukset, taustapuhe |
| Puheentunnistus | puhe muutetaan tekstiksi | kieli, aksentti, erisnimet, lasten äänet |
| Vastaus | kielimalli kirjoittaa vastauksen persoonan ja tietojen pohjalta | persoonakuvauksen ja tietopohjan laatu, aihesäännöt |
| Ääni ja liike | puhesynteesi, kaiutin, eleet | kieleen sopiva ääni, äänenvoimakkuus, salin äänentoisto |

Heikko lenkki missä tahansa kohdassa rikkoo koko ketjun. Tapahtumien yleisin vika ei ole ”tyhmä tekoäly”, vaan robotti, joka kuuli kysymyksen väärin väkijoukon melussa ja vastasi sitten oikein johonkin, mitä kukaan ei kysynyt.

## Mitä humanoidirobotti kuulee ja miten se selviää melusta?

Humanoidirobotti kuulee sisäänrakennetun mikrofoniryhmänsä avulla, ja äänekkäässä paikassa puhujan suun lähellä oleva lisämikrofoni toimii usein paremmin. Valmistajan mukaan Unitree G1:ssä on ”4 Microphone Array” ja ”5W Speaker” eli neljä mikrofonia ja 5 W:n kaiutin ([Unitree G1:n tekniset tiedot](https://www.unitree.com/g1)). Se riittää keskusteluun toimistossa, näyttelytilassa tai rauhallisella osastolla.

Messuilla, gaalassa tai festivaaleilla tilanne muuttuu: musiikki, lavan äänentoisto ja kymmenet samanaikaiset keskustelut tulevat samoihin mikrofoneihin. Käytännössä auttavat:

- vieras tulee lähelle robottia ja puhuu sille suoraan eikä sivulta,
- käsi- tai suuntamikrofoni lavalla ja paneeleissa oleville vieraille,
- osaston sijoittaminen kauas lavan kaiuttimista,
- erisnimien (brändi, tuotteet, puhujien nimet) antaminen järjestelmälle etukäteen, jotta puheentunnistus ei vääristä niitä,
- testaus todellisessa tapahtumapaikassa eikä vain toimistolla.

Sama pätee äänen tuottamiseen: robotin sisäänrakennettu kaiutin riittää kahdenkeskiseen keskusteluun, mutta lavaesiintymisessä robotin ääni on ohjattava tapahtumapaikan äänentoistojärjestelmään.

## Mistä humanoidirobotti tietää, mitä sanoa?

Humanoidirobotin vastaukset kirjoittaa kielimalli, joka saa persoonan kuvauksen, tiedot tapahtumasta ja säännöt siitä, mitä robotti ei saa sanoa. Malli tuntee kielen ja maailman yleisellä tasolla, mutta se ei tiedä mitään konferenssin ohjelmasta, asiakkaan tuotteista tai siitä, missä vaatesäilytys on. Nämä tiedot on valmisteltava.

Hyvä valmistelupaketti kattaa:

- **persoonan**: nimi, luonne, puhetapa, vastausten pituus,
- **tiedot**: ohjelma, puhujat, tarjonta, vastaukset vieraiden tyypillisiin kysymyksiin,
- **rajat**: kielletyt aiheet, miten kieltäydytään, mitä tehdään politiikkaa tai kilpailijoita koskevilla kysymyksillä,
- **käsikirjoituksen**: tervehdys, kutsu kuvaan, vieraan ohjaaminen osaston ihmiselle.

Näin MERA Robotics toimii: robotin puheet valmistellaan jokaista tapahtumaa varten tapahtumaprofiiliin, jossa on tiedot asiakkaasta ja ohjelmasta, ja robotilla voi olla oma brändi-identiteetti, jossa on nimi, luonne ja tiedot tarjonnasta.

Osa järjestelmistä yhdistää keskusteluun kamerakuvan. Silloin robotti tunnistaa edessään olevan esineen, kuten esillä olevan tuotemallin, ja viittaa siihen keskustelussa. Tämä on hyödyllistä näyttelytiloissa ja osastoilla, joissa vieraat kysyvät: ”entä mikä tämä on?”.

## Miksi robotin vastausnopeudella on niin paljon merkitystä?

Humanoidirobotin vastausnopeus ratkaisee, tuntuuko keskustelu luontevalta, koska ihmiset ovat tottuneet hyvin lyhyisiin taukoihin puheenvuorojen välillä. PNAS-lehdessä julkaistun kymmentä kieltä koskeneen tutkimuksen mukaan yleisin tauko yhden puheenvuoron lopun ja vastauksen alun välillä oli kaikissa kielissä vain sekunnin murto-osa ([Stivers ym., PNAS 2009](https://pmc.ncbi.nlm.nih.gov/articles/PMC2705608/)).

Mikään puheentunnistuksen, kielimallin ja puhesynteesin ketju ei vastaa yhtä nopeasti kuin ihminen, joten robottijärjestelmät kompensoivat tätä keskustelun hoitotavalla:

- vastausta aletaan toistaa ennen kuin se on kokonaan tuotettu,
- lyhyet vastaukset pitkien monologien sijaan,
- ele tai pään liike heti kysymyksen jälkeen, jotta vieras tietää robotin kuuntelevan,
- mahdollisuus keskeyttää robotti kesken lauseen.

Toinen ongelma on hetki, jolloin robotti päättää ihmisen lopettaneen. Liian aikaisin, ja robotti keskeyttää jokaisen ajattelutauon. Liian myöhään, ja vieraat odottavat hiljaisuudessa. Asetus kannattaa sovittaa yleisöön: lapset ja vieraalla kielellä puhuvat pitävät pidempiä taukoja.

## Kuinka monella kielellä ja millä äänellä humanoidirobotti voi puhua?

Kielten määrä ja äänen valinta riippuvat humanoidirobotin keskusteluohjelmistosta, eivät robotin laitteistosta. MERA OS, MERA Roboticsin kehittämä keskustelujärjestelmä, käy keskusteluja yli 70 kielellä, myös puolaksi, englanniksi ja suomeksi, ja jokaiselle kielelle valitaan sopiva ääni ja natiivi aksentti. Kansainvälisessä tapahtumassa robotti voi tervehtiä yhtä vierasta englanniksi ja jutella seuraavan kanssa suomeksi.

Kun valitset ääntä, tarkista:

- sopiiko se persoonaan (ikä, temperamentti, brändi),
- kuulostaako se luontevalta kyseisellä kielellä eikä englannista käännetyltä,
- miten se ääntää asiakkaan erisnimet,
- pysyykö puhetempo ymmärrettävänä melussa.

## Pitääkö ihmisille kertoa, että he puhuvat tekoälyn kanssa?

Kyllä: Euroopan unionissa velvollisuus kertoa ihmisille, että he puhuvat tekoälyn kanssa, tulee tekoälysäädöksen avoimuusvelvoitteista, joita sovelletaan 2. elokuuta 2026 alkaen. Ne edellyttävät, että suoraan ihmisten kanssa vuorovaikutukseen tarkoitetut tekoälyjärjestelmät suunnitellaan niin, että ihmisille kerrotaan heidän olevan vuorovaikutuksessa tekoälyjärjestelmän kanssa, ellei se ole ilmeistä ([AI Act, avoimuusvelvoitteet](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-50), [AI Act, voimaantulo ja soveltaminen](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-113)). Tieto on annettava selkeästi ja viimeistään ensimmäisen vuorovaikutuksen yhteydessä.

Humanoidirobotin kohdalla on yleensä ilmeistä, että puhuja on kone. Silti yksi lause robotin tervehdyksessä tai kyltti osastolla on yksinkertainen ratkaisu ja poistaa epäselvyydet. Data on erillinen kysymys: jos keskusteluja tallennetaan tai kirjataan lokiin, vieraiden pitää tietää siitä.

## Mitä pitää tarkistaa ennen tapahtumaa, jossa on puhuva robotti?

Ennen tapahtumaa, jossa on puhuva humanoidirobotti, tarkista seitsemän asiaa:

1. Keskustelutesti todellisessa tapahtumapaikassa tai vastaavassa melussa.
2. Lista erisnimistä, jotka robotin pitää tunnistaa ja ääntää oikein.
3. Asiakkaan hyväksymä persoona ja vastausten pituus.
4. Lista kielletyistä aiheista ja tapa, jolla robotti kieltäytyy.
5. Lavasuunnitelma: mikrofoni vieraalle, kytkentä äänentoistoon.
6. Ilmoitus, joka kertoo vieraille heidän puhuvan tekoälyn kanssa.
7. Operaattori paikan päällä, joka voi ottaa ohjauksen, vaihtaa kieltä tai pysäyttää robotin.

Tapahtumiin saatavilla olevat mallit löytyvät [vuokrattavien ja myytävien robottien katalogista](https://merarobotics.com/blog/robots-for-rent-and-sale).

## Miten valita kumppani humanoidirobotin keskusteluihin?

Kumppania humanoidirobotin keskusteluihin kannattaa arvioida kriteereillä, jotka voi tarkistaa ennen sopimuksen allekirjoittamista:

- **oma keskusteluohjelmisto** eikä yksi jäykkä valmistajan sovellus,
- **kielten määrä** ja se, kuinka luontevalta ääni kuulostaa sinun kielelläsi,
- **tapahtumaasi valmisteltu persoona ja tiedot** eikä yleinen chatbot,
- **operaattorit paikan päällä**, jotka reagoivat, kun jokin menee pieleen,
- **robottimallit**, joita voi vuokrata tai ostaa,
- **tapahtumakokemus** kotimaassa ja ulkomailla.

Jos haluat robotin juontamaan tilaisuutta, katso [robottijuontaja konferensseihin ja gaaloihin](https://merarobotics.com/fi/events/robotti-juontaja).

## FAQ

### Ymmärtääkö humanoidirobotti, mitä sille sanotaan?

Humanoidirobotti muuttaa puheen tekstiksi, ja kielimalli tulkitsee merkityksen ja kirjoittaa vastauksen. Se ymmärtää luonnollisella kielellä esitetyt kysymykset, mutta tiedot tietystä tapahtumasta, tarjonnasta tai ohjelmasta on valmisteltava etukäteen.

### Miksi robotti vastaa joskus aiheen vierestä?

Yleensä siksi, että se kuuli kysymyksen väärin melussa: puheentunnistus kirjasi eri sanat, ja malli vastasi oikein väärin litteroituun kysymykseen. Apua tuovat puhuminen läheltä, mikrofoni vieraalle ja erisnimien antaminen järjestelmälle etukäteen.

### Voiko humanoidirobotti puhua useaa kieltä samassa tapahtumassa?

Kyllä, jos keskusteluohjelmisto tukee sitä. MERA Roboticsin järjestelmä MERA OS käy keskusteluja yli 70 kielellä, myös puolaksi, englanniksi ja suomeksi, ja jokaiselle kielelle valitaan sopiva ääni.

### Pitääkö vieraille kertoa, että he puhuvat tekoälyn kanssa?

EU:ssa tekoälysäädöksen avoimuusvelvoitteet, joita sovelletaan 2. elokuuta 2026 alkaen, edellyttävät, että suoraan tekoälyjärjestelmän kanssa vuorovaikutuksessa oleville ihmisille kerrotaan siitä, ellei se ole ilmeistä. Humanoidirobotin kohdalla yksi lause tervehdyksessä tai kyltti osastolla riittää yleensä.

## Lähteet

- [Unitree G1: manufacturer specifications](https://www.unitree.com/g1)
- [Stivers et al. (2009), Universals and cultural variation in turn-taking in conversation, PNAS](https://pmc.ncbi.nlm.nih.gov/articles/PMC2705608/)
- [EU AI Act, Article 50: transparency obligations](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-50)
- [EU AI Act, Article 113: entry into force and application](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-113)

Tämän sivun julkaisee MERA Robotics, yritys, joka lisensoi MERA OS:ää, humanoidirobottien keskusteluohjelmistoa.

## Yhteystiedot

MERA Robotics: contact@merarobotics.com, https://merarobotics.com
Humanoidirobotin vuokraus tapahtumaan: https://merarobotics.com/fi/events
