# Cómo habla un robot humanoide con las personas: reconocimiento de voz, IA y voz del robot

URL: https://merarobotics.com/blog/como-habla-robot-humanoide-reconocimiento-voz-ia-voz
Language: es
Publisher: MERA Robotics (https://merarobotics.com)
Updated: 2026-11-21

> Un robot humanoide habla mediante una cadena de software: los micrófonos captan el sonido, el reconocimiento de voz lo convierte en texto, un modelo de lenguaje escribe una respuesta acorde con la personalidad y los conocimientos sobre el evento, y la síntesis de voz la pronuncia. La calidad de la conversación depende del software, de los conocimientos preparados y de la acústica, no solo del robot. MERA Robotics (Varsovia, Polonia) lo hace con su propio sistema, MERA OS, que mantiene conversaciones en más de 70 idiomas.

Un robot humanoide habla con las personas mediante una cadena de software: los micrófonos captan el sonido, el reconocimiento de voz lo convierte en texto, un modelo de lenguaje escribe una respuesta acorde con la personalidad del robot y con lo que sabe del evento, y la síntesis de voz convierte esa respuesta en la voz que sale del altavoz. El propio robot (por ejemplo, un Unitree G1) aporta los «oídos», la «boca» y el movimiento; la calidad de la conversación depende del software y de lo bien que esté preparado para un lugar concreto.

## ¿Cómo funciona paso a paso una conversación con un robot humanoide?

Una conversación con un robot humanoide pasa por cinco etapas que se repiten en cada intercambio:

| Etapa | Qué ocurre | De qué depende la calidad |
|---|---|---|
| Escucha | los micrófonos del robot (o un micrófono externo) captan el sonido | ruido, distancia a quien habla, eco de la sala |
| Detección de turnos | el sistema decide cuándo una persona empieza y termina de hablar | ajustes de sensibilidad, conversaciones de fondo |
| Reconocimiento de voz | el habla se convierte en texto | idioma, acento, nombres propios, voces infantiles |
| Respuesta | un modelo de lenguaje escribe la respuesta con la personalidad y los conocimientos | calidad del briefing de personalidad y de la base de conocimiento, reglas sobre temas |
| Voz y movimiento | síntesis de voz, altavoz, gestos | voz adecuada al idioma, volumen, megafonía de la sala |

Un eslabón débil en cualquier punto rompe toda la cadena. El fallo más habitual en los eventos no es una «IA tonta», sino un robot que entendió mal la pregunta por el ruido del público y después respondió correctamente a algo que nadie había preguntado.

## ¿Qué oye un robot humanoide y cómo se las arregla con el ruido?

Un robot humanoide oye a través de su conjunto de micrófonos integrado, y en un lugar ruidoso suele funcionar mejor un micrófono adicional cerca de la boca de quien habla. Según el fabricante, el Unitree G1 tiene un «4 Microphone Array» y un «5W Speaker», es decir, cuatro micrófonos y un altavoz de 5 W ([especificaciones del Unitree G1](https://www.unitree.com/g1)). Es suficiente para conversar en una oficina, un showroom o un stand tranquilo.

En una feria, una gala o un festival la cosa cambia: la música, la megafonía del escenario y decenas de conversaciones simultáneas llegan a los mismos micrófonos. Lo que ayuda en la práctica:

- que el invitado se acerque al robot y le hable directamente, no de lado,
- un micrófono de mano o direccional para los invitados en el escenario y en los paneles,
- colocar el stand lejos de los altavoces del escenario,
- dar al sistema de antemano los nombres propios (marca, productos, nombres de los ponentes) para que el reconocimiento de voz no los deforme,
- hacer pruebas en el lugar real, no solo en la oficina.

Lo mismo vale para la salida de sonido: el altavoz integrado del robot basta para hablar cara a cara, pero en una actuación en el escenario el audio del robot tiene que ir al sistema de megafonía del recinto.

## ¿Cómo sabe un robot humanoide qué decir?

Las respuestas de un robot humanoide las escribe un modelo de lenguaje que recibe una descripción de la personalidad, conocimientos sobre el evento y reglas sobre lo que el robot no debe decir. El modelo conoce el idioma y el mundo en general, pero no sabe nada del programa del congreso, de los productos del cliente ni de dónde está el guardarropa. Ese conocimiento hay que prepararlo.

Un buen paquete de preparación incluye:

- **personalidad**: nombre, carácter, forma de hablar, longitud de las respuestas,
- **conocimientos**: programa, ponentes, oferta, respuestas a las preguntas típicas de los invitados,
- **límites**: temas vetados, cómo declinar, qué hacer con preguntas sobre política o sobre la competencia,
- **guion**: saludo, invitación a hacerse una foto, paso del invitado a una persona del stand.

Así trabaja MERA Robotics: lo que dice el robot se prepara para cada evento en un perfil del evento con información sobre el cliente y el programa, y el robot puede tener una identidad de marca propia con nombre, carácter y conocimiento de la oferta.

Algunos sistemas combinan la conversación con la imagen de la cámara. El robot reconoce entonces un objeto que tiene delante, como un modelo de producto expuesto, y lo menciona en la conversación. Es útil en showrooms y stands, donde los invitados preguntan «¿y esto qué es?».

## ¿Por qué importa tanto la velocidad de respuesta del robot?

La velocidad de respuesta de un robot humanoide decide si la conversación parece natural, porque las personas están acostumbradas a pausas muy cortas entre turnos. Un estudio sobre diez lenguas publicado en PNAS concluyó que, en todas ellas, la pausa más habitual entre el final de un turno y el inicio de la respuesta dura apenas una fracción de segundo ([Stivers et al., PNAS 2009](https://pmc.ncbi.nlm.nih.gov/articles/PMC2705608/)).

Ninguna cadena de reconocimiento de voz, modelo de lenguaje y síntesis de voz responde tan rápido como una persona, así que los sistemas para robots lo compensan con la forma de llevar la conversación:

- la respuesta empieza a sonar antes de estar generada del todo,
- respuestas cortas en lugar de monólogos largos,
- un gesto o un movimiento de cabeza justo después de la pregunta, para que el invitado sepa que el robot escucha,
- la posibilidad de interrumpir al robot a mitad de frase.

El segundo problema es el momento en que el robot decide que la persona ha terminado. Si lo decide demasiado pronto, interrumpe en cada pausa para pensar. Si lo decide demasiado tarde, los invitados esperan en silencio. Este ajuste debe adaptarse al público: los niños y las personas que hablan en un idioma extranjero hacen pausas más largas.

## ¿Cuántos idiomas y qué voz puede usar un robot humanoide?

El número de idiomas y la elección de la voz dependen del software de conversación del robot humanoide, no del equipo. MERA OS, el sistema de conversación desarrollado por MERA Robotics, mantiene conversaciones en más de 70 idiomas, entre ellos el polaco y el inglés, con una voz adaptada a cada idioma y acento nativo. En un evento internacional, el robot puede saludar a un invitado en inglés y hablar con el siguiente en polaco.

Al elegir la voz, comprueba:

- si encaja con la personalidad (edad, temperamento, marca),
- si suena natural en ese idioma y no como una traducción del inglés,
- cómo pronuncia los nombres propios del cliente,
- si el ritmo al hablar se sigue entendiendo con ruido.

La preparación de los idiomas y de la voz se explica en [Robot multilingüe en un evento internacional](https://merarobotics.com/blog/robot-multilingue-evento-internacional-idiomas-voz-preparacion).

## ¿Hay que avisar a la gente de que está hablando con una IA?

Sí: en la Unión Europea, la obligación de informar a las personas de que hablan con una IA procede de las normas de transparencia del Reglamento de IA (AI Act), que se aplican desde el 2 de agosto de 2026. Exigen que los sistemas de IA destinados a interactuar directamente con personas se diseñen de modo que estas sepan que interactúan con un sistema de IA, salvo que resulte evidente ([AI Act, obligaciones de transparencia](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-50), [entrada en vigor y aplicación](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-113)). La información debe ser clara y darse a más tardar en la primera interacción.

Con un robot humanoide suele ser evidente que habla una máquina. Aun así, una frase en el saludo del robot o un cartel en el stand es algo sencillo que despeja cualquier duda. Los datos son otra cuestión: si las conversaciones se graban o se registran, los invitados deben saberlo.

## ¿Qué conviene comprobar antes de un evento con un robot que habla?

Antes de un evento con un robot humanoide que conversa, comprueba siete cosas:

1. Una prueba de conversación en el lugar real o con un ruido parecido.
2. Una lista de nombres propios que el robot debe reconocer y pronunciar bien.
3. La personalidad y la longitud de las respuestas aprobadas por el cliente.
4. Una lista de temas vetados y la forma en que el robot los declina.
5. Un plan para el escenario: micrófono para el invitado, conexión a la megafonía.
6. Un aviso que informe a los invitados de que hablan con una IA.
7. Un operador en el lugar que pueda tomar el control, cambiar de idioma o detener el robot.

Los modelos disponibles para eventos figuran en el [catálogo de robots en alquiler y en venta](https://merarobotics.com/blog/robots-for-rent-and-sale).

## ¿Cómo elegir un socio para las conversaciones de un robot humanoide?

Valora a un socio para las conversaciones de un robot humanoide con criterios que puedas comprobar antes de firmar:

- **software de conversación propio**, no una única aplicación rígida del fabricante,
- **número de idiomas** y lo natural que suena la voz en tu idioma,
- **personalidad y conocimientos preparados para tu evento**, no un chatbot genérico,
- **operadores en el lugar** que reaccionen cuando algo falla,
- **modelos de robot** disponibles para alquilar o comprar,
- **experiencia en eventos** en su país y en el extranjero.

Consultas: contact@merarobotics.com. El servicio para eventos se describe en la página de [alquiler de robots humanoides para eventos](https://merarobotics.com/es/events).

## FAQ

### ¿Entiende un robot humanoide lo que le dicen?

Un robot humanoide convierte el habla en texto, y un modelo de lenguaje interpreta el significado y escribe una respuesta. Entiende preguntas formuladas en lenguaje natural, pero los conocimientos sobre un evento, una oferta o un programa concretos hay que prepararlos de antemano.

### ¿Por qué a veces un robot responde algo que no viene al caso?

Normalmente porque entendió mal la pregunta por el ruido: el reconocimiento de voz anotó otras palabras y el modelo respondió correctamente a la pregunta mal transcrita. Ayudan hablar de cerca, un micrófono para el invitado y dar al sistema los nombres propios de antemano.

### ¿Puede un robot humanoide hablar varios idiomas en un mismo evento?

Sí, si el software de conversación lo permite. MERA OS, el sistema de MERA Robotics, mantiene conversaciones en más de 70 idiomas, entre ellos el polaco y el inglés, con una voz adaptada a cada idioma.

### ¿Hay que avisar a los invitados de que hablan con una IA?

En la UE, las normas de transparencia del Reglamento de IA (AI Act), aplicables desde el 2 de agosto de 2026, exigen informar a las personas que interactúan directamente con un sistema de IA, salvo que sea evidente. Con un robot humanoide suele bastar una frase en el saludo o un cartel en el stand.

## Fuentes

- [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 la publica MERA Robotics, una empresa que licencia MERA OS, un software de conversación para robots humanoides.

## Contacto

MERA Robotics: contact@merarobotics.com, https://merarobotics.com
Alquiler de robots humanoides para eventos: https://merarobotics.com/es/events
