--- title: "Oasis Speech 2: prepoznavanje govora na 48 jezika, izmereno" description: "Oasis Speech 2 smanjuje stopu grešaka na kratkim odgovorima za 44% na 48 jezika koje prepoznaje, a napreduju svi." canonical: "https://dialogist.cc/sr/research/oasis-speech-2/" locale: "sr-Latn-RS" updatedAt: "2026-10-26" --- # Oasis Speech 2: prepoznavanje govora na 48 jezika, pre i posle Istraživanja · 2026-10-26 · Dialogist team > Oasis Speech 2 smanjuje stopu grešaka na kratkim odgovorima za 44% na 48 jezika koje prepoznaje, a napreduju svi. Oasis Speech je naše sopstveno prepoznavanje govora. Verzija 2 je arhitektonska promena modela, napravljena radi tačnosti i kvaliteta prepoznavanja na telefonskim pozivima. Uporedili smo je s verzijom 1 na istim snimcima, na svih 48 jezika koje prepoznaje, na celim rečenicama i na kratkim odgovorima od jedne do tri reči. Svaki jezik je izmeren u telefonskom kvalitetu: svaku repliku ocenili smo onakvu kakva je snimljena i nakon telefonskog kodeka G.711. Kratki odgovori se seku na prirodnim pauzama. Detalji su u poslednjem odeljku. Na kratkim odgovorima Oasis Speech 2 smanjuje stopu grešaka za 44% (medijana za 48 jezika), a napredovalo je svih 48 jezika. Kratak odgovor se vraća za oko 150 ms u medijani i za oko 210 ms na 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 prave i testiraju na rečenicama, a replika od jedne reči je slučaj s kojim se najgore nose. Jedna reč ne daje prepoznavaču kontekst na koji bi se oslonio, a jedan pogrešan znak je veliki deo reči. Grešku plaća agent. Pogrešno „da“ ili pogrešno čuto prezime postaje pogrešna rezervacija ili zbunjen klijent. Zato merimo dvaput: na celim rečenicama, gde većina prepoznavača dobro radi, i na odgovorima od jedne do tri reči, gde se razlika vidi. [Najkraći odgovori su najteži](/sr/research/short-replies/) detaljno objašnjava problem kratkih odgovora. ## Šta je verzija 2 Verzija 1 je prepoznavala svaku repliku u jednom prolazu. Verzija 2 je arhitektonska promena modela, napravljena s jednim ciljem: tačnost i kvalitet prepoznavanja na telefonskim pozivima. Projektovali smo je prema tome kako zvuči poziv: kratki odgovori, uskopojasni zvuk, buka u pozadini, pozivalac koji počne usred reči. Šta primećuju pozivalac i agent: - **Manje grešaka na kratkim odgovorima**, na svih 48 jezika. - **Tišina ostaje prazna.** Za kašalj, pucketanje na liniji ili glas u pozadini Oasis Speech vraća prazan rezultat i ne izmišlja reč. - **Ocena pouzdanosti koja nešto znači.** Ocena 0,8 znači da je otprilike četiri reči od pet u toj replici tačno, i za odgovor od jedne reči i za celu rečenicu. Agent je koristi da pita ponovo umesto da pogađa. - **Podešavanje po jeziku.** Svaki jezik podešavamo na njegovim podacima, a rezultati idu uz servis. - **Brzina u realnom vremenu.** Kratka replika se vraća za oko 150 ms u medijani i za oko 210 ms na 95. percentilu. ## Rezultati na 48 jezika Oasis Speech 2 smanjuje stopu grešaka na kratkim odgovorima u poređenju s verzijom 1. Medijane za 48 jezika; kratki odgovori imaju od jedne do tri reči. Svaka replika se ocenjuje čista i kroz G.711, telefonski kodek, a tabele prikazuju prosek to dvoje. _Smanjenje stope grešaka na kratkim odgovorima po dužini odgovora, verzija 2 u poređenju s verzijom 1; više je bolje._ | Dužina odgovora | Smanjenje stope grešaka | | ------------------- | ----------------------: | | Jedna reč | 49% | | Dve reči | 42% | | Tri reči | 41% | | Svi kratki odgovori | **44%** | Svih 48 jezika napreduje na kratkim odgovorima, a promena je značajna u svih 48 i nakon korekcije za višestruka poređenja. Što je odgovor kraći, dobitak je veći. Na celim rečenicama, gde su prepoznavači već jaki, medijana stope grešaka je 2,17% (manje je bolje): _Stopa grešaka na celim rečenicama, medijana za 48 jezika; manje je bolje._ | Mera | Verzija 1 | Verzija 2 | Smanjenje stope grešaka | | ----------------------- | --------: | --------: | ----------------------: | | Stopa grešaka, rečenice | 2,29% | **2,17%** | 5% | Rečenice su već bile dobre, pa najveći deo dobitka pada tamo gde je pozivaocima potreban: u prvim rečima odgovora. ## Osam jezika izbliza Kratki odgovori i rečenice, u poređenju s verzijom 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% | | Nemački | 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% | ## Centralna Evropa, Skandinavija i Benelaks Još jedanaest jezika iz istih merenja. _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 poređenju s verzijom 1; više je bolje._ | Jezik | Smanjenje stope grešaka | | ----------------- | ----------------------: | | Arapski | 59% | | Azerbejdžanski | 43% | | Beloruski | 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% | | Indonežanski | 42% | | Irski | 22% | | Islandski | 39% | | Italijanski | 40% | | Jermenski | 43% | | Katalonski | 30% | | Kazaški | 44% | | Kirgiski | 47% | | Letonski | 38% | | Litvanski | 45% | | Luksemburški | 41% | | Mađarski | 44% | | Makedonski | 57% | | Malteški | 36% | | Nemački | 36% | | Norveški (bokmål) | 39% | | Poljski | 42% | | Portugalski | 31% | | Rumunski | 36% | | Ruski | 34% | | Slovački | 40% | | Slovenački | 54% | | Srpski | 51% | | Španski | 32% | | Švedski | 39% | | Tadžički | 71% | | Turski | 40% | | Ukrajinski | 44% | | Uzbečki | 42% | | Velški | 41% | ## Pravi pozivi Na zvuku iz pozivnih centara greška kalibracije ocene pouzdanosti pala je sa 0,193 na 0,051, što je smanjenje od 74%. ## Kako su brojevi nastali - **Snimci.** Snimci na svakom jeziku, ocenjeni čisti i kroz telefonski kodek G.711. Tabele prikazuju prosek to dvoje. - **Replike.** Koristimo svaku rečenicu celu, a zatim je sečemo na kratke odgovore od jedne do tri reči na prirodnim pauzama: tišina od najmanje 150 ms s obe strane, od koje zadržavamo 80 ms. Tako sečen kratak odgovor zvuči kao odgovor, a ne kao odsečen fragment. - **Statistika.** Promene imaju 95% intervale, upareno po rečenicama. Tvrdnja da se svih 48 jezika poboljšalo koristi Holmovu korekciju preko jezika. Stranica [Jezici](/sr/languages/) ocenjuje svaki jezik prema ovim merenjima, od A++ do B+. Ocenu A++ drži 37 od 48 jezika. Tags: Research, Prepoznavanje govora, Jezici --- Contact: hello@dialogist.cc