A humanoid robot and artificial intelligence
Base de coneixements

Com parla un robot humanoide amb les persones: reconeixement de veu, IA i la veu del robot

Com sent, entén i respon un robot humanoide: micròfons, reconeixement de veu, model de llenguatge, veu, velocitat de resposta, soroll dels actes i l’AI Act.

Equip de MERA RoboticsActualitzat: 21 de novembre del 20268 min de lecturaGaeilgeCymraegEuskaraMaltiLëtzebuergeschGalegoไทยՀայերենქართულიShqipBahasa MelayuAzərbaycancaМакедонскиSrpskiBosanskiעבריתहिन्दीالعربيةTiếng ViệtBahasa IndonesiaTürkçe日本語Dansk中文SlovenčinaΕλληνικάSuomiMagyarEestiLatviešuHrvatskiČeštinaSlovenščinaLietuvių한국어NorskSvenskaБългарскиPortuguêsRomânăFrançaisNederlandsItalianoEspañol

En resum

Un robot humanoide parla a través d’una cadena de programari: els micròfons capten el so, el reconeixement de veu el converteix en text, un model de llenguatge escriu una resposta d’acord amb la persona i els coneixements de l’esdeveniment, i la síntesi de veu la pronuncia. La qualitat de la conversa depèn del programari, dels coneixements preparats i de l’acústica, no només del robot.

ÍndexCom funciona pas a pas una conversa amb un robot humanoide?Què sent un robot humanoide i com es defensa del soroll?Com sap un robot humanoide què ha de dir?Per què és tan important la velocitat de resposta d’un robot?Quants idiomes i quina veu pot fer servir un robot humanoide?Cal informar la gent que parla amb una IA?Què cal comprovar abans d’un esdeveniment amb un robot que parla?Com es tria un soci per a les converses d’un robot humanoide?

Un robot humanoide parla amb les persones a través d’una cadena de programari: els micròfons capten el so, el reconeixement de veu el converteix en text, un model de llenguatge escriu una resposta d’acord amb la persona del robot i el que sap de l’esdeveniment, i la síntesi de veu converteix aquesta resposta en la veu que surt de l’altaveu. El robot (per exemple, un Unitree G1) aporta les «orelles», la «boca» i el moviment; la qualitat de la conversa depèn del programari i de com s’ha preparat per a un lloc concret.

Com funciona pas a pas una conversa amb un robot humanoide?

Una conversa amb un robot humanoide passa per cinc etapes que es repeteixen a cada intercanvi:

Etapa Què passa De què depèn la qualitat
Escolta els micròfons del robot (o un micròfon extern) capten el so soroll, distància fins a qui parla, ressò de la sala
Detecció del torn el sistema decideix quan una persona ha començat i acabat de parlar ajustos de sensibilitat, converses de fons
Reconeixement de veu la parla es converteix en text idioma, accent, noms propis, veus d’infants
Resposta un model de llenguatge escriu la resposta amb la persona i els coneixements qualitat de la descripció de la persona i de la base de coneixement, regles temàtiques
Veu i moviment síntesi de veu, altaveu, gestos veu adaptada a l’idioma, volum, megafonia de la sala

Una baula feble en qualsevol punt trenca tota la cadena. L’error més freqüent en els esdeveniments no és una «IA ximple», sinó un robot que ha entès malament la pregunta enmig del soroll i després ha respost correctament una cosa que ningú no havia preguntat.

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

Què sent un robot humanoide i com es defensa del soroll?

Un robot humanoide sent a través del conjunt de micròfons integrat, i en un lloc sorollós sovint funciona més bé un micròfon addicional a prop de la boca de qui parla. Segons el fabricant, l’Unitree G1 porta un conjunt de micròfons i un altaveu integrats (especificacions de l’Unitree G1). N’hi ha prou per a una conversa en una oficina, una sala d’exposició o un estand tranquil.

En una fira, una gala o un festival, la cosa canvia: la música, la megafonia de l’escenari i desenes de converses simultànies arriben als mateixos micròfons. El que ajuda a la pràctica:

  • que el convidat s’acosti al robot i li parli directament, no de costat,
  • un micròfon de mà o direccional per als convidats a l’escenari i a les taules rodones,
  • col·locar l’estand lluny dels altaveus de l’escenari,
  • passar per endavant al sistema els noms propis (marca, productes, noms dels ponents) perquè el reconeixement de veu no els deformi,
  • fer proves al lloc real, no només a l’oficina.

El mateix val per a la sortida del so: l’altaveu integrat del robot serveix per a una conversa de tu a tu, però en una aparició a l’escenari l’àudio del robot ha d’entrar a la megafonia del recinte.

Com sap un robot humanoide què ha de dir?

Les respostes d’un robot humanoide les escriu un model de llenguatge que rep una descripció de la persona, coneixements sobre l’esdeveniment i regles sobre el que el robot no ha de dir. El model coneix la llengua i el món en general, però no sap res del programa del congrés, dels productes del client ni d’on és el guarda-roba. Aquests coneixements s’han de preparar.

Un bon paquet de preparació inclou:

  • persona: nom, caràcter, manera de parlar, llargada de les respostes,
  • coneixements: programa, ponents, oferta, respostes a les preguntes habituals dels convidats,
  • límits: temes vetats, com declinar una pregunta, què fer amb les preguntes sobre política o sobre la competència,
  • guió: salutació, invitació a fer-se una foto, pas del convidat a una persona de l’estand.

Així treballa MERA Robotics: les intervencions del robot es preparen per a cada esdeveniment concret en un perfil de l’esdeveniment amb informació sobre el client i el programa, i el robot pot tenir una identitat de marca pròpia, amb nom, caràcter i coneixement de l’oferta.

Alguns sistemes combinen la conversa amb la imatge de la càmera. Aleshores el robot reconeix un objecte que té al davant, com el model d’un producte exposat, i hi fa referència en la conversa. És útil en sales d’exposició i estands, on els convidats pregunten «i això què és?».

Per què és tan important la velocitat de resposta d’un robot?

La velocitat de resposta d’un robot humanoide decideix si la conversa sembla natural, perquè les persones estan acostumades a silencis molt curts entre torns. Un estudi publicat a PNAS sobre llengües de diverses parts del món va observar que, en totes, la pausa més habitual entre el final d’un torn i l’inici de la resposta és molt breu, d’una fracció de segon (Stivers et al., PNAS).

Cap cadena de reconeixement de veu, model de llenguatge i síntesi de veu respon tan de pressa com una persona, així que els sistemes per a robots ho compensen amb la manera de portar la conversa:

  • la resposta comença a sonar abans que s’hagi acabat de generar,
  • respostes curtes en lloc de monòlegs llargs,
  • un gest o un moviment del cap just després de la pregunta, perquè el convidat sàpiga que el robot l’escolta,
  • la possibilitat d’interrompre el robot a mitja frase.

El segon problema és el moment en què el robot decideix que la persona ha acabat. Si és massa aviat, el robot talla a cada pausa per pensar. Si és massa tard, els convidats esperen en silenci. Aquest ajust s’ha d’adaptar al públic: els infants i les persones que parlen una llengua estrangera fan pauses més llargues.

Quants idiomes i quina veu pot fer servir un robot humanoide?

El nombre d’idiomes i la tria de la veu depenen del programari de conversa del robot humanoide, no del maquinari. MERA OS, el sistema de conversa que desenvolupa MERA Robotics, manté converses en més de 70 idiomes, entre d’altres en castellà, anglès i polonès, amb una veu adaptada a cada idioma i un accent natiu. En un esdeveniment internacional, el robot pot saludar un convidat en anglès i parlar amb el següent en castellà.

Quan triïs una veu, comprova:

  • si encaixa amb la persona (edat, temperament, marca),
  • si sona natural en aquell idioma i no com una traducció de l’anglès,
  • com pronuncia els noms propis del client,
  • si el ritme de parla es manté entenedor amb soroll.

Cal informar la gent que parla amb una IA?

Sí: a la Unió Europea, el deure d’informar les persones que parlen amb una IA ve de les normes de transparència de l’AI Act, que s’apliquen des del 2 d’agost de 2026. Exigeixen que els sistemes d’IA destinats a interactuar directament amb persones es dissenyin de manera que aquestes persones sàpiguen que interactuen amb un sistema d’IA, tret que sigui evident (AI Act, obligacions de transparència, AI Act, entrada en vigor i aplicació). La informació ha de ser clara i s’ha de donar com a molt tard en la primera interacció.

Amb un robot humanoide, normalment és evident que parla una màquina. Tot i així, una frase a la salutació del robot o un rètol a l’estand és senzill i esvaeix qualsevol dubte. Les dades són una qüestió a part: si les converses s’enregistren o es registren, els convidats ho han de saber.

Què cal comprovar abans d’un esdeveniment amb un robot que parla?

Abans d’un esdeveniment amb un robot humanoide que parla, comprova set coses:

  1. Una prova de conversa al lloc real o amb un soroll semblant.
  2. Una llista de noms propis que el robot ha de reconèixer i pronunciar bé.
  3. La persona i la llargada de les respostes, aprovades pel client.
  4. Una llista de temes vetats i com els declina el robot.
  5. Un pla d’escenari: micròfon per al convidat, connexió a la megafonia.
  6. Un avís que digui als convidats que parlen amb una IA.
  7. Un operador in situ que pugui prendre el control, canviar d’idioma o aturar el robot.

Els models disponibles per a esdeveniments figuren al catàleg de robots de lloguer i en venda.

Com es tria un soci per a les converses d’un robot humanoide?

Valora un soci per a les converses d’un robot humanoide amb criteris que puguis comprovar abans de signar:

  • programari de conversa propi, en lloc d’una única aplicació rígida del fabricant,
  • nombre d’idiomes i naturalitat de la veu en el teu idioma,
  • persona i coneixements preparats per al teu esdeveniment, no un xatbot genèric,
  • operadors in situ que reaccionin quan alguna cosa falla,
  • models de robot disponibles de lloguer o en venda,
  • experiència en esdeveniments, al seu país i a l’estranger.

Demana sempre una conversa de prova amb soroll de fons, en els idiomes dels teus convidats i amb els noms propis del teu esdeveniment: és la manera més ràpida de veure com funciona tota la cadena.

Preguntes freqüents

Un robot humanoide entén el que li diu la gent?

Un robot humanoide converteix la parla en text, i un model de llenguatge n’interpreta el sentit i escriu una resposta. Entén preguntes fetes en llenguatge natural, però els coneixements sobre un esdeveniment, una oferta o un programa concrets s’han de preparar per endavant.

Per què un robot de vegades respon una altra cosa?

Normalment perquè ha entès malament la pregunta enmig del soroll: el reconeixement de veu ha transcrit unes altres paraules i el model ha respost correctament la pregunta mal transcrita. Ajuda parlar de prop, donar un micròfon al convidat i passar per endavant al sistema els noms propis.

Un robot humanoide pot parlar diversos idiomes en un mateix esdeveniment?

Sí, si el programari de conversa ho permet. MERA OS, el sistema de MERA Robotics, manté converses en més de 70 idiomes, entre d’altres en castellà, anglès i polonès, amb una veu adaptada a cada idioma.

S’ha de dir als convidats que parlen amb una IA?

A la UE, les normes de transparència de l’AI Act, aplicables des del 2 d’agost de 2026, exigeixen que les persones que interactuen directament amb un sistema d’IA n’estiguin informades, tret que sigui evident. Amb un robot humanoide, normalment n’hi ha prou amb una frase a la salutació o un rètol a l’estand.

Fonts

  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
Guia pràctica

Com triar un programari de conversa per a un robot humanoide?

  1. Compatibilitat amb el teu model de robot i amb la seva versió de programari.
  2. Idiomes i veus: en quants idiomes conversa el sistema, i la veu s’adapta a cada idioma?
  3. Coneixement i personalitat: com s’hi introdueix el coneixement sobre l’esdeveniment o la marca i com es defineix el caràcter del robot.
  4. Control: un operador pot assumir la conversa, els moviments i els gestos, per exemple des d’una aplicació al mòbil?
  5. Control del contingut: com es limiten els temes i les respostes que surten del coneixement preparat.
  6. Llicència i suport: què cobreix la llicència i qui respon de les actualitzacions.

Aquesta pàgina la publica MERA Robotics, una empresa que concedeix llicències de MERA OS, un programari de conversa per a robots humanoides.

La nostra oferta

Robots de lloguer i en venda

Catàleg complet de robots (en anglès) →

Contacte

Parlem del teu esdeveniment

Explica’ns en poques paraules què necessites. Et respondrem amb una proposta de robot i de guió, i amb un pressupost.

Fem servir les dades del formulari només per respondre a la teva sol·licitud.

Base de coneixements

Llegeix també

Consulta la disponibilitat