# Como fala um robô humanoide com as pessoas: reconhecimento de voz, IA e a voz do robô

URL: https://merarobotics.com/blog/como-fala-robo-humanoide-reconhecimento-voz-ia
Language: pt
Publisher: MERA Robotics (https://merarobotics.com)
Updated: 2026-11-21

> Um robô humanoide fala através de uma cadeia de software: os microfones captam o som, o reconhecimento de voz converte-o em texto, um modelo de linguagem escreve uma resposta adequada à persona e ao conhecimento sobre o evento, e a síntese de voz di-la em voz alta. A qualidade da conversa depende do software, do conhecimento preparado e da acústica, e não apenas do robô. A MERA Robotics (Varsóvia, Polónia) faz isto com um sistema próprio, o MERA OS, que mantém conversas em mais de 70 línguas.

Um robô humanoide fala com as pessoas através de uma cadeia de software: os microfones captam o som, o reconhecimento de voz converte-o em texto, um modelo de linguagem escreve uma resposta adequada à persona do robô e ao que ele sabe sobre o evento, e a síntese de voz transforma essa resposta na voz que se ouve no altifalante. O robô em si (por exemplo, um Unitree G1) fornece os «ouvidos», a «boca» e o movimento; a qualidade da conversa depende do software e de quão bem está preparado para um local concreto.

## Como funciona uma conversa com um robô humanoide, passo a passo?

Uma conversa com um robô humanoide passa por cinco fases, que se repetem a cada troca de falas:

| Fase | O que acontece | De que depende a qualidade |
|---|---|---|
| Escuta | os microfones do robô (ou um microfone externo) captam o som | ruído, distância a quem fala, eco da sala |
| Deteção de vez | o sistema decide quando uma pessoa começou e acabou de falar | sensibilidade, conversas de fundo |
| Reconhecimento de voz | a fala é convertida em texto | língua, sotaque, nomes próprios, vozes de crianças |
| Resposta | um modelo de linguagem escreve a resposta com base na persona e no conhecimento | qualidade da descrição da persona e da base de conhecimento, regras de temas |
| Voz e movimento | síntese de voz, altifalante, gestos | voz ajustada à língua, volume, sistema de som da sala |

Basta um elo fraco para estragar a cadeia inteira. A falha mais comum em eventos não é uma «IA burra», mas um robô que ouviu mal a pergunta no meio do ruído e depois respondeu corretamente a algo que ninguém perguntou.

## O que ouve um robô humanoide e como lida com o ruído?

Um robô humanoide ouve através do conjunto de microfones integrado, e num local barulhento costuma funcionar melhor um microfone adicional perto da boca de quem fala. Segundo o fabricante, o Unitree G1 tem um conjunto de 4 microfones e um altifalante de 5 W ([especificações do Unitree G1](https://www.unitree.com/g1)). Chega para uma conversa num escritório, num showroom ou num stand sossegado.

Numa feira, numa gala ou num festival, a situação muda: música, o som do palco e dezenas de conversas em simultâneo chegam aos mesmos microfones. O que ajuda na prática:

- o convidado aproximar-se do robô e falar diretamente para ele, e não de lado,
- um microfone de mão ou direcional para os convidados em palco e nos painéis,
- colocar o stand longe das colunas do palco,
- dar antecipadamente ao sistema os nomes próprios (marca, produtos, nomes dos oradores), para que o reconhecimento de voz não os deturpe,
- testar no local real, e não apenas no escritório.

O mesmo vale para o som de saída: o altifalante integrado do robô chega para uma conversa a dois, mas numa atuação em palco o áudio do robô tem de entrar no sistema de som do recinto.

## Como sabe um robô humanoide o que dizer?

As respostas de um robô humanoide são escritas por um modelo de linguagem que recebe uma descrição da persona, conhecimento sobre o evento e regras sobre o que o robô não pode dizer. O modelo conhece a língua e o mundo em geral, mas não sabe nada sobre o programa da conferência, os produtos do cliente ou onde fica o bengaleiro. Esse conhecimento tem de ser preparado.

Um bom pacote de preparação inclui:

- **persona**: nome, carácter, forma de falar, extensão das respostas,
- **conhecimento**: programa, oradores, oferta, respostas às perguntas típicas dos convidados,
- **limites**: temas proibidos, como recusar, o que fazer com perguntas sobre política ou concorrência,
- **guião**: saudação, convite para uma fotografia, passagem do convidado para uma pessoa no stand.

É assim que trabalha a MERA Robotics: as falas do robô são preparadas para cada evento num perfil do evento, com conhecimento sobre o cliente e o programa, e o robô pode ter identidade de marca própria, com nome, carácter e conhecimento da oferta.

Alguns sistemas combinam a conversa com a imagem da câmara. O robô reconhece então um objeto à sua frente, como um modelo de produto em exposição, e refere-o na conversa. Isto é útil em showrooms e stands, onde os convidados perguntam «e isto, o que é?».

## Porque é que a rapidez de resposta de um robô conta tanto?

A rapidez de resposta de um robô humanoide decide se a conversa parece natural, porque as pessoas estão habituadas a pausas muito curtas entre falas. Um estudo de dez línguas publicado na PNAS concluiu que, em todas elas, a pausa mais comum entre o fim de uma fala e o início da resposta é de apenas uma fração de segundo ([Stivers et al., PNAS 2009](https://pmc.ncbi.nlm.nih.gov/articles/PMC2705608/)).

Nenhuma cadeia de reconhecimento de voz, modelo de linguagem e síntese de voz responde tão depressa como uma pessoa, por isso os sistemas robóticos compensam na forma como conduzem a conversa:

- a resposta começa a tocar antes de estar totalmente gerada,
- respostas curtas em vez de monólogos longos,
- um gesto ou movimento de cabeça logo a seguir à pergunta, para que o convidado saiba que o robô está a ouvir,
- a possibilidade de interromper o robô a meio da frase.

O segundo problema é o momento em que o robô decide que a pessoa acabou de falar. Cedo demais, e o robô interrompe a cada pausa para pensar. Tarde demais, e os convidados esperam em silêncio. Esta definição deve ajustar-se ao público: as crianças e as pessoas que falam numa língua estrangeira fazem pausas mais longas.

## Em quantas línguas e com que voz pode falar um robô humanoide?

O número de línguas e a escolha da voz dependem do software de conversa do robô humanoide, e não do equipamento. O MERA OS, o sistema de conversa desenvolvido pela MERA Robotics, mantém conversas em mais de 70 línguas, incluindo português, polaco e inglês, com uma voz ajustada a cada língua e sotaque nativo. Num evento internacional, o robô pode cumprimentar um convidado em inglês e conversar com o seguinte em português.

Ao escolher a voz, verifique:

- se condiz com a persona (idade, temperamento, marca),
- se soa natural nessa língua, e não traduzida do inglês,
- como pronuncia os nomes próprios do cliente,
- se o ritmo de fala continua compreensível no meio do ruído.

## É obrigatório informar as pessoas de que estão a falar com uma IA?

Sim: na União Europeia, o dever de informar as pessoas de que estão a falar com uma IA decorre das [obrigações de transparência do AI Act](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-50), que se aplicam a partir de 2 de agosto de 2026, segundo as [disposições sobre entrada em vigor e aplicação](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-113). Os sistemas de IA destinados a interagir diretamente com pessoas têm de ser concebidos de forma que essas pessoas sejam informadas de que estão a interagir com um sistema de IA, salvo se isso for evidente. A informação tem de ser clara e dada, o mais tardar, na primeira interação.

Com um robô humanoide, costuma ser evidente que quem fala é uma máquina. Ainda assim, uma frase na saudação do robô ou um aviso no stand é simples e elimina qualquer dúvida. Os dados são outra questão: se as conversas forem gravadas ou registadas, os convidados devem sabê-lo.

## O que verificar antes de um evento com um robô que fala?

Antes de um evento com um robô humanoide que fala, verifique sete pontos:

1. Um teste de conversa no local real ou com ruído semelhante.
2. Uma lista de nomes próprios que o robô tem de reconhecer e pronunciar corretamente.
3. A persona e a extensão das respostas aprovadas pelo cliente.
4. Uma lista de temas proibidos e a forma como o robô recusa.
5. Um plano de palco: microfone para o convidado, ligação ao sistema de som.
6. Um aviso que informe os convidados de que estão a falar com uma IA.
7. Um operador no local que possa assumir o controlo, mudar de língua ou parar o robô.

Os modelos disponíveis para eventos constam do [catálogo de robôs para aluguer e venda](https://merarobotics.com/blog/robots-for-rent-and-sale).

## Como escolher um parceiro para conversas com robôs humanoides?

Avalie um parceiro para conversas com robôs humanoides com critérios que possa verificar antes de assinar:

- **software de conversa próprio**, e não uma única aplicação rígida do fabricante,
- **número de línguas** e naturalidade da voz na sua língua,
- **persona e conhecimento preparados para o seu evento**, e não um chatbot genérico,
- **operadores no local** que reajam quando algo corre mal,
- **modelos de robô** disponíveis para aluguer ou compra,
- **experiência em eventos** no país e no estrangeiro.

Pedidos: contact@merarobotics.com.

## FAQ

### Um robô humanoide compreende o que as pessoas lhe dizem?

Um robô humanoide converte a fala em texto, e um modelo de linguagem interpreta o sentido e escreve uma resposta. Compreende perguntas feitas em linguagem natural, mas o conhecimento sobre um evento, uma oferta ou um programa concretos tem de ser preparado antecipadamente.

### Porque é que um robô às vezes responde ao lado?

Normalmente porque ouviu mal a pergunta no meio do ruído: o reconhecimento de voz escreveu outras palavras e o modelo respondeu corretamente à pergunta mal transcrita. Falar de perto, um microfone para o convidado e dar antecipadamente ao sistema os nomes próprios ajudam.

### Um robô humanoide pode falar várias línguas no mesmo evento?

Sim, se o software de conversa o permitir. O MERA OS, o sistema da MERA Robotics, mantém conversas em mais de 70 línguas, incluindo português, polaco e inglês, com uma voz ajustada a cada língua.

### É obrigatório informar os convidados de que estão a falar com uma IA?

Na UE, as obrigações de transparência do AI Act, aplicáveis a partir de 2 de agosto de 2026, exigem que as pessoas que interagem diretamente com um sistema de IA sejam informadas disso, salvo se for evidente. Com um robô humanoide, basta normalmente uma frase na saudação ou um aviso no stand.

## Fontes

- [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)

Esta página é publicada pela MERA Robotics, uma empresa que licencia o MERA OS, um software de conversa para robôs humanoides.

## Contacto

MERA Robotics: contact@merarobotics.com, https://merarobotics.com
Aluguer de robô humanoide para eventos: https://merarobotics.com/pt/events
