# Cum vorbește un robot umanoid cu oamenii: recunoașterea vorbirii, IA și vocea robotului

URL: https://merarobotics.com/blog/cum-vorbeste-robot-umanoid-recunoasterea-vorbirii-ia-voce
Language: ro
Publisher: MERA Robotics (https://merarobotics.com)
Updated: 2026-11-21

> Un robot umanoid vorbește printr-un lanț de programe: microfoanele captează sunetul, recunoașterea vorbirii îl transformă în text, un model de limbaj scrie un răspuns potrivit personalității și cunoștințelor despre eveniment, iar sinteza vocală îl rostește. Calitatea conversației depinde de software, de cunoștințele pregătite și de acustică, nu doar de robot. MERA Robotics (Varșovia, Polonia) face asta cu propriul sistem, MERA OS, care poartă conversații în peste 70 de limbi.

Un robot umanoid vorbește cu oamenii printr-un lanț de programe: microfoanele captează sunetul, recunoașterea vorbirii îl transformă în text, un model de limbaj scrie un răspuns potrivit personalității robotului și cunoștințelor lui despre eveniment, iar sinteza vocală transformă răspunsul în vocea pe care o auziți din difuzor. Robotul în sine (de exemplu un Unitree G1) oferă „urechile”, „gura” și mișcarea; calitatea conversației depinde de software și de cât de bine este pregătit pentru o anumită locație.

## Cum decurge, pas cu pas, o conversație cu un robot umanoid?

O conversație cu un robot umanoid trece prin cinci etape care se repetă la fiecare replică:

| Etapă | Ce se întâmplă | De ce depinde calitatea |
|---|---|---|
| Ascultarea | microfoanele robotului (sau un microfon extern) captează sunetul | zgomot, distanța față de vorbitor, ecoul din sală |
| Detectarea rândului la vorbă | sistemul decide când un om a început și a terminat de vorbit | setările de sensibilitate, discuțiile din fundal |
| Recunoașterea vorbirii | vorbirea este transformată în text | limba, accentul, numele proprii, vocile copiilor |
| Răspunsul | un model de limbaj scrie răspunsul pe baza personalității și a cunoștințelor | calitatea descrierii personalității și a bazei de cunoștințe, regulile despre subiecte |
| Vocea și mișcarea | sinteza vocală, difuzorul, gesturile | vocea potrivită limbii, volumul, sonorizarea sălii |

O verigă slabă oriunde rupe tot lanțul. Cea mai frecventă problemă la evenimente nu este o „IA proastă”, ci un robot care a auzit greșit întrebarea în zgomotul mulțimii și apoi a răspuns corect la ceva ce nu a întrebat nimeni.

## Ce aude un robot umanoid și cum se descurcă în zgomot?

Un robot umanoid aude prin setul de microfoane integrat, iar într-o locație zgomotoasă funcționează adesea mai bine un microfon suplimentar, aproape de gura vorbitorului. Potrivit producătorului, Unitree G1 are un „4 Microphone Array” și un „5W Speaker”, adică patru microfoane și un difuzor de 5 W ([specificațiile Unitree G1](https://www.unitree.com/g1)). Asta ajunge pentru o conversație într-un birou, într-un showroom sau pe un stand liniștit.

La un târg, la o gală sau la un festival lucrurile se schimbă: muzica, sonorizarea scenei și zeci de conversații simultane ajung toate la aceleași microfoane. Ce ajută în practică:

- invitatul se apropie de robot și îi vorbește direct, nu din lateral,
- un microfon de mână sau unul direcțional pentru invitații de pe scenă și din paneluri,
- amplasarea standului departe de boxele scenei,
- transmiterea din timp a numelor proprii către sistem (brandul, produsele, numele vorbitorilor), ca recunoașterea vorbirii să nu le stâlcească,
- testarea în locația reală, nu doar la birou.

Același lucru este valabil pentru sunetul de ieșire: difuzorul integrat al robotului este bun într-o discuție unu la unu, dar pentru o apariție pe scenă sunetul robotului trebuie să intre în sistemul de sonorizare al sălii.

## De unde știe un robot umanoid ce să spună?

Răspunsurile unui robot umanoid sunt scrise de un model de limbaj care primește o descriere a personalității, cunoștințe despre eveniment și reguli despre ce nu are voie să spună robotul. Modelul cunoaște limba și lumea în general, dar nu știe nimic despre programul conferinței, produsele clientului sau locul garderobei. Aceste cunoștințe trebuie pregătite.

Un pachet bun de pregătire cuprinde:

- **personalitatea**: numele, caracterul, modul de a vorbi, lungimea răspunsurilor,
- **cunoștințele**: programul, vorbitorii, oferta, răspunsurile la întrebările obișnuite ale invitaților,
- **limitele**: subiectele interzise, felul în care robotul refuză, ce face cu întrebările despre politică sau concurență,
- **scenariul**: salutul, invitația la o fotografie, predarea invitatului unei persoane de pe stand.

Așa lucrează MERA Robotics: replicile robotului se pregătesc pentru fiecare eveniment într-un profil al evenimentului, cu informații despre client și program, iar robotul poate avea propria identitate de brand, cu nume, caracter și cunoștințe despre ofertă.

Unele sisteme combină conversația cu imaginea de la cameră. Robotul recunoaște atunci un obiect din fața lui, de exemplu modelul unui produs expus, și se referă la el în conversație. Este util în showroomuri și pe standuri, unde invitații întreabă „și asta ce este?”.

## De ce contează atât de mult viteza de răspuns a robotului?

Viteza de răspuns a unui robot umanoid decide dacă conversația pare naturală, pentru că oamenii sunt obișnuiți cu pauze foarte scurte între replici. Un studiu despre zece limbi, publicat în PNAS, a arătat că în fiecare limbă cea mai frecventă pauză dintre sfârșitul unei replici și începutul răspunsului era sub o cincime de secundă, iar mediana pentru toate limbile era în jur de o zecime de secundă ([Stivers et al., PNAS 2009](https://pmc.ncbi.nlm.nih.gov/articles/PMC2705608/)).

Niciun lanț format din recunoașterea vorbirii, modelul de limbaj și sinteza vocală nu răspunde la fel de repede ca un om, așa că sistemele pentru roboți compensează prin felul în care conduc conversația:

- răspunsul începe să fie redat înainte de a fi generat complet,
- răspunsuri scurte în loc de monologuri lungi,
- un gest sau o mișcare a capului imediat după întrebare, ca invitatul să știe că robotul ascultă,
- posibilitatea de a întrerupe robotul în mijlocul propoziției.

A doua problemă este momentul în care robotul decide că omul a terminat. Prea devreme, și robotul intervine la fiecare pauză de gândire. Prea târziu, și invitații așteaptă în tăcere. Această setare trebuie potrivită cu publicul: copiii și oamenii care vorbesc o limbă străină fac pauze mai lungi.

## În câte limbi și cu ce voce poate vorbi un robot umanoid?

Numărul de limbi și alegerea vocii depind de software-ul de conversație al robotului umanoid, nu de hardware. MERA OS, sistemul de conversație dezvoltat de MERA Robotics, poartă conversații în peste 70 de limbi, inclusiv română, poloneză și engleză, cu o voce potrivită fiecărei limbi și un accent nativ. La un eveniment internațional, robotul poate saluta un invitat în engleză și poate vorbi cu următorul în română.

Când alegeți o voce, verificați:

- dacă se potrivește cu personalitatea (vârsta, temperamentul, brandul),
- dacă sună natural în limba respectivă, nu ca o traducere din engleză,
- cum pronunță numele proprii ale clientului,
- dacă ritmul vorbirii rămâne ușor de înțeles în zgomot.

## Trebuie oamenii informați că vorbesc cu o IA?

Da: în Uniunea Europeană, obligația de a informa oamenii că vorbesc cu o IA vine din articolul 50 din AI Act, care se aplică de la 2 august 2026. Acesta cere ca sistemele de IA destinate să interacționeze direct cu oamenii să fie concepute astfel încât aceștia să fie informați că interacționează cu un sistem de IA, cu excepția cazului în care acest lucru este evident ([AI Act, articolul 50](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-50), [articolul 113](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-113)). Informația trebuie să fie clară și oferită cel târziu la prima interacțiune.

La un robot umanoid este de obicei evident că vorbește o mașină. Totuși, o frază în salutul robotului sau un afiș pe stand este o soluție simplă, care înlătură orice îndoială. Datele sunt o chestiune separată: dacă conversațiile sunt înregistrate sau salvate, invitații ar trebui să știe.

## Ce verificați înainte de un eveniment cu un robot care vorbește?

Înainte de un eveniment cu un robot umanoid care vorbește, verificați șapte lucruri:

1. Un test de conversație în locația reală sau într-un zgomot asemănător.
2. O listă de nume proprii pe care robotul trebuie să le recunoască și să le pronunțe corect.
3. Personalitatea și lungimea răspunsurilor, aprobate de client.
4. O listă de subiecte interzise și felul în care robotul refuză.
5. Un plan al scenei: microfon pentru invitat, conectarea la sonorizare.
6. O informare pentru invitați că vorbesc cu o IA.
7. Un operator la fața locului, care poate prelua conversația, poate schimba limba sau poate opri robotul.

Modelele disponibile pentru evenimente sunt în [catalogul de roboți de închiriat și de vânzare](https://merarobotics.com/blog/robots-for-rent-and-sale).

## Cum alegeți un partener pentru conversațiile cu roboți umanoizi?

Judecați un partener pentru conversațiile cu roboți umanoizi după criterii pe care le puteți verifica înainte de semnare:

- **software propriu de conversație**, nu o singură aplicație rigidă a producătorului,
- **numărul de limbi** și cât de natural sună vocea în limba dumneavoastră,
- **personalitatea și cunoștințele pregătite pentru evenimentul dumneavoastră**, nu un chatbot generic,
- **operatori la fața locului**, care reacționează când ceva nu merge,
- **modele de roboți** disponibile pentru închiriere sau cumpărare,
- **experiență la evenimente** în țară și în străinătate.

Solicitări: contact@merarobotics.com. Închirierea pentru evenimente este descrisă pe pagina [închiriere robot umanoid pentru evenimente](https://merarobotics.com/ro/events).

## FAQ

### Înțelege un robot umanoid ce i se spune?

Un robot umanoid transformă vorbirea în text, iar un model de limbaj interpretează sensul și scrie un răspuns. Robotul înțelege întrebările puse în limbaj natural, dar cunoștințele despre un anumit eveniment, o ofertă sau un program trebuie pregătite din timp.

### De ce răspunde uneori robotul pe lângă subiect?

De obicei pentru că a auzit greșit întrebarea în zgomot: recunoașterea vorbirii a notat alte cuvinte, iar modelul a răspuns corect la întrebarea transcrisă greșit. Ajută vorbitul de aproape, un microfon pentru invitat și transmiterea din timp a numelor proprii către sistem.

### Poate un robot umanoid să vorbească mai multe limbi la același eveniment?

Da, dacă software-ul de conversație permite asta. MERA OS, sistemul MERA Robotics, poartă conversații în peste 70 de limbi, inclusiv română, poloneză și engleză, cu o voce potrivită fiecărei limbi.

### Trebuie invitații informați că vorbesc cu o IA?

În UE, articolul 50 din AI Act, aplicabil de la 2 august 2026, cere ca persoanele care interacționează direct cu un sistem de IA să fie informate, cu excepția cazului în care acest lucru este evident. La un robot umanoid ajunge de obicei o frază în salut sau un afiș pe stand.

## Surse

- [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)

Această pagină este publicată de MERA Robotics, o companie care licențiază MERA OS, un software de conversație pentru roboți umanoizi.

## Contact

MERA Robotics: contact@merarobotics.com, https://merarobotics.com
Închiriere robot umanoid pentru evenimente: https://merarobotics.com/ro/events
