| Kategorie |
Příklady měřených rysů |
Co to napovídá |
| Tempo řeči |
rychlost slov / s |
Napětí, nervozita, vzrušení |
| Intonace (pitch) |
průměrná výška hlasu, odchylky |
Radost, strach, hněv |
| Hlasitost (energy) |
RMS intenzita, dynamika |
Agrese, sebevědomí, klid |
| Melodická křivka |
změny výšky v čase |
Emoční „tón“ hlasu |
| Pauzy / přerušování |
délka a frekvence ticha |
Váhání, smutek, úzkost |
| Spektrální rysy (MFCC, formanty) |
jemné rezonance hlasivek |
Napětí, únava, autenticita |
2️⃣ Analýza obsahu slov (textové kontextové rysy)
Současně běží jazykový model (LLM), který rozumí, co bylo řečeno:
-
slova s emočním nábojem („jsem zoufalý“, „to je skvělé“, „nechci to slyšet“)
-
modální slovesa a fráze (např. „asi bych měl…“, „nevím, jestli to zvládnu…“)
-
struktura vět (dlouhé váhavé vs. krátké úderné odpovědi)
-
srovnání s kontextem předchozí konverzace
Model tedy kombinuje akustický tón + jazykový význam, čímž dostane tzv. emoční vektor — např. [anger: 0.7, fear: 0.1, joy: 0.2].
3️⃣ Fúze dat a rozhodovací vrstva (Emotion Fusion Network)
Zde se vše propojí – výstup z akustické části (hlas), textové části (obsah) a někdy i z vizuální části (pokud jde o video).
Používají se architektury typu:
Tím AI dokáže vyhodnotit aktuální emoční stav uživatele v čase, nikoli jen okamžitý výkyv.
4️⃣ Reakce modelu – tzv. empatická adaptace
Když AI pozná, že uživatel je:
-
podrážděný → ztiší hlas, mluví pomaleji a klidněji
-
veselý → přidá energii, optimističtější intonaci
-
smutný → zjemní tón, použije „uklidňující“ fráze
-
zmatený → nabídne jasnější kroky, zopakuje odpověď
To se děje v reálném čase – díky tomu hovor působí lidsky, protože reakce přichází v souladu s emocí volajícího.
5️⃣ Učení z reálných hovorů
Každý hovor (se souhlasem uživatele) se anonymizuje a použije k dalšímu tréninku – model se učí, jaké emoční reakce byly efektivní (např. zda uživatel zůstal na lince, uklidnil se, poděkoval apod.).
Tím se AI v čase stává empatičtější.
🔬 Shrnutí (v jedné větě)
AI nerozumí emocím „po lidsku“ — rozpoznává vzorce v energii, rytmu a významu řeči, které statisticky odpovídají lidským pocitům.
A když tyto vzorce zkombinuje, umí reagovat jako někdo, kdo tě chápe.
