--- title: "Oasis Speech 2: prepoznavanje u 48 jezika, izmjereno" description: "Oasis Speech 2 smanjuje stopu grešaka na kratkim odgovorima za 44% u 48 jezika koje prepoznaje, a svih 48 napreduje." canonical: "https://dialogist.cc/bs/research/oasis-speech-2/" locale: "bs" updatedAt: "2026-10-26" --- # Oasis Speech 2: prepoznavanje u 48 jezika, prije i poslije Istraživanja · 2026-10-26 · Dialogist team > Oasis Speech 2 smanjuje stopu grešaka na kratkim odgovorima za 44% u 48 jezika koje prepoznaje, a svih 48 napreduje. Oasis Speech je naše vlastito prepoznavanje govora. Verzija 2 je arhitektonska promjena modela, napravljena radi tačnosti i kvaliteta prepoznavanja na telefonskim pozivima. Uporedili smo je s verzijom 1 na istim snimcima u svih 48 jezika koje prepoznaje, na cijelim rečenicama i na kratkim odgovorima od jedne do tri riječi. Svaki jezik se mjeri u telefonskom kvalitetu: svaku repliku ocjenjivali smo onako kako je snimljena i nakon telefonskog kodeka G.711. Kratke odgovore izdvajamo na prirodnim pauzama. Detalji su u posljednjem odjeljku. Na kratkim odgovorima Oasis Speech 2 smanjuje stopu grešaka za 44% (medijan u 48 jezika), a svih 48 jezika je napredovalo. Kratak odgovor stiže za oko 150 ms u medijanu i za oko 210 ms u 95. percentilu. ## Zašto kratki odgovori Telefonski razgovor se uglavnom sastoji od kratkih odgovora: „Da.“ „Utorak.“ „Ne, onaj drugi broj.“ Prezime izgovoreno slovo po slovo. Prepoznavači se obično grade i testiraju na rečenicama, a replika od jedne riječi je slučaj s kojim se najlošije nose. Jedna riječ ne daje prepoznavaču nikakav kontekst na koji bi se oslonio, a jedan pogrešan znak je veliki dio riječi. Grešku plaća agent. Pogrešno „da“ ili pogrešno čuto prezime postaje pogrešna rezervacija ili zbunjen klijent. Zato mjerimo dvaput: na cijelim rečenicama, gdje većina prepoznavača radi dobro, i na odgovorima od jedne do tri riječi, gdje se razlika vidi. [Najkraći odgovori su najteži](/bs/research/short-replies/) detaljno objašnjava problem kratkih odgovora. ## Šta je verzija 2 Verzija 1 je svaku repliku prepoznavala u jednom prolazu. Verzija 2 je arhitektonska promjena modela, izgrađena oko jednog cilja: tačnosti i kvaliteta prepoznavanja na telefonskim pozivima. Projektovali smo je prema tome kako zvuči poziv: kratki odgovori, uskopojasni zvuk, buka u pozadini, pozivalac koji počne usred riječi. Šta primijete pozivalac i agent: - **Manje grešaka na kratkim odgovorima**, u svih 48 jezika. - **Tišina ostaje prazna.** Oasis Speech vraća prazan rezultat za kašalj, pucketanje na liniji ili glas u pozadini i ne izmišlja riječ. - **Ocjena pouzdanosti koja nešto znači.** Ocjena 0,8 znači da su oko četiri od pet riječi te replike tačne, i za odgovor od jedne riječi i za cijelu rečenicu. Agent je koristi da ponovo pita umjesto da nagađa. - **Podešavanje po jeziku.** Svaki jezik podešavamo na njegovim vlastitim podacima, a rezultati dolaze sa servisom. - **Brzina u realnom vremenu.** Kratka replika stiže za oko 150 ms u medijanu i za oko 210 ms u 95. percentilu. ## Rezultati u 48 jezika Oasis Speech 2 smanjuje stopu grešaka na kratkim odgovorima u odnosu na verziju 1. Medijani u 48 jezika; kratki odgovori imaju od jedne do tri riječi. Svaka replika je ocijenjena čista i kroz G.711, telefonski kodek, a tabele prikazuju prosjek ta dva rezultata. _Smanjenje stope grešaka na kratkim odgovorima po dužini odgovora, verzija 2 u odnosu na verziju 1; više je bolje._ | Dužina odgovora | Smanjenje stope grešaka | | ------------------- | ----------------------: | | Jedna riječ | 49% | | Dvije riječi | 42% | | Tri riječi | 41% | | Svi kratki odgovori | **44%** | Svih 48 jezika napreduje na kratkim odgovorima, a promjena je značajna u svih 48 nakon korekcije za višestruka poređenja. Što je odgovor kraći, to je dobitak veći. Na cijelim rečenicama, gdje su prepoznavači već jaki, medijan stope grešaka je 2,17% (manje je bolje): _Stopa grešaka na cijelim rečenicama, medijan u 48 jezika; manje je bolje._ | Mjera | Verzija 1 | Verzija 2 | Smanjenje stope grešaka | | ----------------------- | --------: | --------: | ----------------------: | | Stopa grešaka, rečenice | 2,29% | **2,17%** | 5% | Rečenice su već bile dobre, pa najveći dio dobitka dolazi tamo gdje je pozivaocima potreban: u prvim riječima odgovora. ## Osam jezika izbliza Kratki odgovori i rečenice, u odnosu na verziju 1. _Smanjenje stope grešaka na kratkim odgovorima (više je bolje) i stopa grešaka na rečenicama (manje je bolje), verzija 1 → verzija 2._ | Jezik | Kratki odgovori, smanjenje | Rečenice, v1 → v2 | | ----------- | -------------------------: | ----------------: | | Srpski | 51% | 1,45% → 1,41% | | Hrvatski | 44% | 2,97% → 2,75% | | Bosanski | 49% | 1,91% → 1,65% | | Njemački | 36% | 1,53% → 1,26% | | Francuski | 27% | 3,45% → 2,55% | | Španski | 32% | 1,12% → 1,10% | | Italijanski | 40% | 0,90% → 0,83% | | Portugalski | 31% | 1,59% → 1,43% | ## Srednja Evropa, sjever i Beneluks Još jedanaest jezika iz istih mjerenja. _Smanjenje stope grešaka na kratkim odgovorima (više je bolje) i stopa grešaka na rečenicama (manje je bolje), verzija 1 → verzija 2._ | Jezik | Kratki odgovori, smanjenje | Rečenice, v1 → v2 | | --------------- | -------------------------: | ----------------: | | Poljski | 42% | 2,20% → 1,89% | | Češki | 41% | 2,12% → 1,96% | | Slovački | 40% | 1,53% → 1,39% | | Mađarski | 44% | 2,72% → 2,53% | | Rumunski | 36% | 2,44% → 2,21% | | Bugarski | 52% | 2,41% → 2,37% | | Švedski | 39% | 3,11% → 2,83% | | Norveški bokmål | 39% | 2,03% → 1,99% | | Danski | 32% | 3,64% → 3,58% | | Finski | 47% | 1,34% → 1,36% | | Holandski | 30% | 2,15% → 1,78% | ## Najveći dobici _Jezici s najvećim smanjenjem stope grešaka na kratkim odgovorima; više je bolje._ | Jezik | Smanjenje stope grešaka | | ---------- | ----------------------: | | Tadžički | 71% | | Filipinski | 66% | | Estonski | 63% | | Arapski | 59% | | Makedonski | 57% | ## Svih 48 jezika _Smanjenje stope grešaka na kratkim odgovorima, verzija 2 u odnosu na verziju 1; više je bolje._ | Jezik | Smanjenje stope grešaka | | --------------- | ----------------------: | | Arapski | 59% | | Armenski | 43% | | Azerbejdžanski | 43% | | Bjeloruski | 39% | | Bosanski | 49% | | Bugarski | 52% | | Češki | 41% | | Danski | 32% | | Engleski | 38% | | Estonski | 63% | | Filipinski | 66% | | Finski | 47% | | Francuski | 27% | | Galicijski | 22% | | Grčki | 41% | | Gruzijski | 42% | | Hebrejski | 42% | | Holandski | 30% | | Hrvatski | 44% | | Indonezijski | 42% | | Irski | 22% | | Islandski | 39% | | Italijanski | 40% | | Katalonski | 30% | | Kazaški | 44% | | Kirgiški | 47% | | Latvijski | 38% | | Litvanski | 45% | | Luksemburški | 41% | | Mađarski | 44% | | Makedonski | 57% | | Malteški | 36% | | Njemački | 36% | | Norveški bokmål | 39% | | Poljski | 42% | | Portugalski | 31% | | Rumunski | 36% | | Ruski | 34% | | Slovački | 40% | | Slovenski | 54% | | Srpski | 51% | | Španski | 32% | | Švedski | 39% | | Tadžički | 71% | | Turski | 40% | | Ukrajinski | 44% | | Uzbečki | 42% | | Velški | 41% | ## Stvarni pozivi Na zvuku iz pozivnih centara greška kalibracije ocjene pouzdanosti pala je s 0,193 na 0,051, što je smanjenje od 74%. ## Kako su dobijeni brojevi - **Snimci.** Snimci na svakom jeziku, ocijenjeni čisti i kroz telefonski kodek G.711. Tabele prikazuju prosjek ta dva rezultata. - **Replike.** Svaku rečenicu koristimo cijelu, a izdvajamo i kratke odgovore od jedne do tri riječi na prirodnim pauzama: tišina od najmanje 150 ms sa obje strane, od koje zadržavamo 80 ms. Kratak odgovor izrezan na taj način zvuči kao odgovor, a ne kao odsječen fragment. - **Statistika.** Promjene imaju 95% intervale, uparene po rečenicama. Tvrdnja da se svih 48 jezika poboljšava koristi Holmovu korekciju preko jezika. Stranica [Jezici](/bs/languages/) ocjenjuje svaki jezik prema ovim mjerenjima, od A++ do B+. Ocjenu A++ ima 37 od 48 jezika. Tags: Research, Prepoznavanje govora, Jezici --- Contact: hello@dialogist.cc