ヒューマノイドロボットは一連のソフトウェアで話します。マイクが音を拾い、音声認識がそれをテキストにし、言語モデルがペルソナとイベントの知識に合った返事を書き、音声合成がそれを声にします。会話の質は、ロボット本体だけでなく、ソフトウェア、準備した知識、会場の音響で決まります。
目次
ヒューマノイドロボットとの会話は、どのような手順で進みますか?ヒューマノイドロボットには何が聞こえ、騒音にどう対処しますか?ヒューマノイドロボットは、何を話すべきかをどうやって知るのですか?なぜロボットの応答の速さがそれほど重要なのですか?ヒューマノイドロボットは何か国語を話せ、どんな声を使えますか?相手がAIと話していることを伝える必要がありますか?話すロボットを使うイベントの前に、何を確認すべきですか?ヒューマノイドロボットの会話を任せるパートナーはどう選べばよいですか?ヒューマノイドロボットは、一連のソフトウェアを通して人と話します。マイクが音を拾い、音声認識がそれをテキストに変え、言語モデルがロボットのペルソナとイベントについての知識に合った返事を書き、音声合成がその返事をスピーカーから聞こえる声に変えます。ロボット本体(たとえばUnitree G1)は「耳」と「口」と動きを担い、会話の質はソフトウェアと、それが特定の会場に向けてどれだけ準備されているかで決まります。
ヒューマノイドロボットとの会話は、どのような手順で進みますか?
ヒューマノイドロボットとの会話は、やり取りのたびに繰り返される5つの段階を経て進みます。
| 段階 | 何が起きるか | 質を左右するもの |
|---|---|---|
| 聞き取り | ロボットのマイク(または外付けのマイク)が音を拾う | 騒音、話し手との距離、部屋の反響 |
| 発話の区切りの検出 | 人が話し始めた時点と話し終えた時点をシステムが判断する | 感度の設定、周囲のおしゃべり |
| 音声認識 | 発話をテキストに変換する | 言語、なまり、固有名詞、子どもの声 |
| 返事 | 言語モデルがペルソナと知識を使って答えを書く | ペルソナの指示と知識の質、話題のルール |
| 声と動き | 音声合成、スピーカー、身振り | 言語に合った声、音量、会場の音響設備 |
どこか1か所でも弱い部分があると、全体がうまくいきません。イベントで最も多い失敗は「AIの頭が悪い」ことではなく、ロボットが人混みの騒音で質問を聞き間違え、誰も聞いていないことに正しく答えてしまうことです。

ヒューマノイドロボットには何が聞こえ、騒音にどう対処しますか?
ヒューマノイドロボットは内蔵のマイクアレイで音を聞きますが、騒がしい会場では、話し手の口元に近い外付けのマイクのほうがうまくいくことがよくあります。メーカーによると、Unitree G1は「4 Microphone Array」と「5W Speaker」、つまり4つのマイクと5Wのスピーカーを備えています(Unitree G1の仕様)。オフィス、ショールーム、静かなブースでの会話にはこれで十分です。
見本市、ガラディナー、フェスティバルでは状況が変わります。音楽、ステージの音響、同時に交わされる数十の会話が、すべて同じマイクに届きます。実際に役立つのは次のような工夫です。
- ゲストが横からではなく、ロボットに近づいて正面から話しかける
- ステージやパネルのゲストには、ハンドマイクや指向性マイクを用意する
- ブースをステージのスピーカーから離して配置する
- 固有名詞(ブランド名、製品名、登壇者の名前)を事前にシステムに登録し、音声認識が聞き違えないようにする
- オフィスだけでなく、実際の会場でテストする
音の出力も同じです。1対1ならロボットの内蔵スピーカーで足りますが、ステージに出る場合は、ロボットの音声を会場の音響システムに通す必要があります。
ヒューマノイドロボットは、何を話すべきかをどうやって知るのですか?
ヒューマノイドロボットの答えは言語モデルが書きます。言語モデルには、ペルソナの説明、イベントについての知識、ロボットが言ってはいけないことのルールが渡されます。言語モデルは言葉と世の中のことを一般的には知っていますが、カンファレンスのプログラム、クライアントの製品、クロークの場所については何も知りません。こうした知識は準備しておく必要があります。
よい準備には、次のものが含まれます。
- ペルソナ:名前、性格、話し方、答えの長さ
- 知識:プログラム、登壇者、商品、ゲストからのよくある質問への答え
- 境界線:触れない話題、断り方、政治や競合他社についての質問への対応
- 台本:あいさつ、写真撮影への誘い、ゲストをブースのスタッフに引き継ぐ流れ
MERA Roboticsもこの方法で進めています。ロボットが話す内容は、クライアントとプログラムの知識をまとめたイベントのプロファイルの形で、イベントごとに準備されます。ロボットには、名前、キャラクター、商品の知識を備えた独自のブランドアイデンティティを持たせることもできます。
会話とカメラの映像を組み合わせるシステムもあります。その場合、ロボットは目の前の物体、たとえば展示中の製品のモデルを認識し、会話の中でそれに触れます。ゲストが「これは何?」と聞くショールームやブースで役に立ちます。
なぜロボットの応答の速さがそれほど重要なのですか?
ヒューマノイドロボットの応答の速さは、会話が自然に感じられるかどうかを決めます。人は、話し手が交代するときのごく短い間に慣れているからです。PNASに掲載された10言語の研究では、どの言語でも、一方の発話が終わってから返事が始まるまでの間は、多くの場合ほんの一瞬であることが分かりました(Stivers et al., PNAS 2009)。
音声認識、言語モデル、音声合成を組み合わせた仕組みは、人間ほど速くは答えられません。そこでロボットのシステムは、会話の進め方で補います。
- 返事の生成が終わる前に、再生を始める
- 長い独演ではなく、短い答えにする
- 質問の直後に身振りや頭の動きを入れ、ロボットが聞いていることをゲストに伝える
- 話している途中のロボットを遮れるようにする
もうひとつの問題は、相手が話し終えたとロボットが判断するタイミングです。早すぎると、考えるための小さな間のたびにロボットが割り込みます。遅すぎると、ゲストは沈黙の中で待たされます。この設定は聞き手に合わせるべきです。子どもや外国語で話す人は、間が長くなります。
ヒューマノイドロボットは何か国語を話せ、どんな声を使えますか?
使える言語の数と声の選択は、ロボットの機体ではなく、ヒューマノイドロボットの会話ソフトウェアで決まります。MERA Roboticsが開発した会話システムMERA OSは、ポーランド語と英語を含む70以上の言語で、言語ごとに合った声とネイティブのアクセントを使って会話します。国際イベントでは、ロボットがあるゲストを英語で迎え、次のゲストとはポーランド語で話すこともできます。
声を選ぶときは、次の点を確認します。
- ペルソナ(年齢、気質、ブランド)に合っているか
- 英語から翻訳したようではなく、その言語として自然に聞こえるか
- クライアントの固有名詞をどう発音するか
- 騒がしい中でも聞き取れる話す速さか
相手がAIと話していることを伝える必要がありますか?
はい。欧州連合では、相手がAIと話していることを伝える義務がAI Actの透明性に関する条項に定められており、2026年8月2日から適用されます。この条項は、人と直接やり取りすることを目的としたAIシステムを、明らかな場合を除き、相手がAIシステムとやり取りしていると知らされるように設計することを求めています(AI Act:透明性の義務、適用時期についての条文)。その情報は明確で、遅くとも最初のやり取りの時点で示されなければなりません。
ヒューマノイドロボットの場合、機械が話していることはたいてい明らかです。それでも、ロボットのあいさつにひと言加えるか、ブースに掲示をするだけで簡単に疑問をなくせます。データは別の問題です。会話を録音したり記録したりする場合は、ゲストに知らせるべきです。
話すロボットを使うイベントの前に、何を確認すべきですか?
話すヒューマノイドロボットを使うイベントの前に、次の7点を確認してください。
- 実際の会場、または同じような騒音の中での会話テスト
- ロボットが聞き取り、正しく発音すべき固有名詞の一覧
- クライアントが承認したペルソナと答えの長さ
- 触れない話題の一覧と、ロボットの断り方
- ステージの計画:ゲスト用のマイク、音響システムへの接続
- ゲストにAIと話していることを知らせる掲示や案内
- 会話を引き継ぎ、言語を切り替え、ロボットを止められる現場のオペレーター
イベントで使える機種はレンタル・販売ロボットのカタログで確認できます。
ヒューマノイドロボットの会話を任せるパートナーはどう選べばよいですか?
ヒューマノイドロボットの会話を任せるパートナーは、契約前に確認できる基準で判断します。
- メーカーの決まったアプリ1つではなく、自社の会話ソフトウェアを持っているか
- 対応言語の数と、自分たちの言語で声が自然に聞こえるか
- 汎用のチャットボットではなく、イベントに合わせて準備したペルソナと知識か
- 問題が起きたときに対応する現場のオペレーターがいるか
- レンタルや購入できるロボットの機種
- 国内外でのイベントの実績
よくある質問
ヒューマノイドロボットは、人が話しかけた内容を理解していますか?
ヒューマノイドロボットは発話をテキストに変換し、言語モデルが意味を解釈して返事を書きます。自然な言葉で聞かれた質問は理解できますが、特定のイベント、商品、プログラムについての知識は事前に準備しておく必要があります。
ロボットが的外れな答えをするのはなぜですか?
たいていは、騒音の中で質問を聞き間違えたためです。音声認識が別の言葉を書き取り、言語モデルはその誤った書き起こしに正しく答えてしまいます。近くで話すこと、ゲスト用のマイク、固有名詞の事前登録が役立ちます。
ヒューマノイドロボットは、1つのイベントで複数の言語を話せますか?
会話ソフトウェアが対応していれば話せます。MERA RoboticsのシステムであるMERA OSは、ポーランド語と英語を含む70以上の言語で、言語ごとに合った声を使って会話します。
ゲストに、AIと話していることを伝える必要がありますか?
EUでは、2026年8月2日から適用されるAI Actの透明性に関する条項により、AIシステムと直接やり取りする人には、明らかな場合を除いてそのことを知らせる必要があります。ヒューマノイドロボットの場合、あいさつの中のひと言かブースの掲示で、たいていは十分です。














