# Jak robot humanoidalny rozmawia z ludźmi: rozpoznawanie mowy, AI i głos robota

URL: https://merarobotics.com/blog/jak-robot-humanoidalny-rozmawia-z-ludzmi-rozpoznawanie-mowy-ai-glos
Language: pl
Publisher: MERA Robotics (https://merarobotics.com)
Updated: 2026-10-06

> Robot humanoidalny rozmawia dzięki łańcuchowi programów: mikrofony zbierają dźwięk, rozpoznawanie mowy zamienia go na tekst, model językowy układa odpowiedź zgodną z personą i wiedzą o wydarzeniu, a synteza mowy oddaje ją głosem. O jakości rozmowy decydują oprogramowanie, przygotowanie wiedzy i warunki akustyczne, a nie sam robot. MERA Robotics (Warszawa) robi to własnym systemem MERA OS, który prowadzi rozmowy w ponad 30 językach.

Robot humanoidalny rozmawia z ludźmi dzięki łańcuchowi kilku programów: mikrofony zbierają dźwięk, system rozpoznaje mowę i zamienia ją na tekst, model językowy układa odpowiedź zgodną z personą robota i wiedzą o wydarzeniu, a synteza mowy zamienia tę odpowiedź na głos, który słychać z głośnika. Sam robot (na przykład Unitree G1) dostarcza „uszy”, „usta” i ruch, a o jakości rozmowy decyduje oprogramowanie i przygotowanie pod konkretne miejsce.

## Jak działa rozmowa z robotem humanoidalnym krok po kroku?

Rozmowa z robotem humanoidalnym przebiega w pięciu etapach, które powtarzają się przy każdej wymianie zdań:

| Etap | Co się dzieje | Od czego zależy jakość |
|---|---|---|
| Słuchanie | mikrofony robota (lub mikrofon zewnętrzny) zbierają dźwięk | hałas, odległość rozmówcy, echo sali |
| Wykrycie wypowiedzi | system rozpoznaje, kiedy człowiek zaczął i skończył mówić | ustawienie czułości, gwar w tle |
| Rozpoznanie mowy | mowa zamienia się w tekst | język, akcent, nazwy własne, dziecięce głosy |
| Odpowiedź | model językowy układa odpowiedź z personą i wiedzą | jakość opisu persony i bazy wiedzy, reguły tematów |
| Głos i ruch | synteza mowy, głośnik, gesty | dobór głosu do języka, głośność, nagłośnienie sali |

Słabe ogniwo w dowolnym miejscu psuje całość. Najczęstszy błąd na wydarzeniach to nie „głupia AI”, tylko robot, który w gwarze źle usłyszał pytanie i poprawnie odpowiedział na coś innego.

## Co robot humanoidalny słyszy i jak radzi sobie z hałasem?

Robot humanoidalny słyszy przez wbudowany zestaw mikrofonów, a w hałaśliwym miejscu często lepiej sprawdza się dodatkowy mikrofon blisko ust rozmówcy. Unitree G1 ma według producenta „4 Microphone Array” i „5W Speaker”, czyli zestaw czterech mikrofonów i głośnik o mocy 5 W ([specyfikacja Unitree G1](https://www.unitree.com/g1)). To wystarcza do rozmowy w biurze, salonie czy na spokojnym stoisku.

Na targach, gali albo festiwalu sytuacja jest inna: muzyka, nagłośnienie sceny i dziesiątki rozmów naraz trafiają do tych samych mikrofonów. W praktyce pomaga:

- podejście rozmówcy blisko robota i mówienie do niego wprost, a nie z boku,
- mikrofon do ręki albo mikrofon kierunkowy dla gości na scenie i w panelach,
- ustawienie stoiska z dala od głośników sceny,
- podanie systemowi z góry nazw własnych (marka, produkty, nazwiska prelegentów), żeby rozpoznawanie mowy ich nie przekręcało,
- test w docelowej sali, a nie tylko w biurze.

Z głośnikiem jest podobnie: wbudowany głośnik robota wystarcza przy rozmowie jeden na jeden, ale przy wystąpieniu na scenie dźwięk z robota trzeba podłączyć do nagłośnienia sali.

## Skąd robot humanoidalny wie, co odpowiedzieć?

Odpowiedzi robota humanoidalnego układa model językowy, który dostaje opis persony, wiedzę o wydarzeniu i reguły, czego robot ma nie mówić. Sam model zna język i świat ogólnie, ale nie wie nic o programie konferencji, ofercie klienta ani o tym, gdzie jest szatnia. Tę wiedzę trzeba mu przygotować.

Dobry zestaw przygotowawczy zawiera:

- **personę**: imię, charakter, sposób mówienia, długość odpowiedzi,
- **wiedzę**: program, prelegentów, ofertę, odpowiedzi na typowe pytania gości,
- **granice**: tematy zakazane, sposób odmowy, co robić przy pytaniach o politykę czy konkurencję,
- **scenariusz**: powitanie, zachęta do zdjęcia, przekazanie gościa do człowieka ze stoiska.

Tak pracuje MERA Robotics: wypowiedzi robota przygotowuje się pod konkretne wydarzenie, w profilu wydarzenia z wiedzą o kliencie i programie, a robot może mieć własną tożsamość marki z imieniem, charakterem i wiedzą o ofercie. Więcej o tym etapie piszemy w tekście [Robot-ambasador marki: jak wybrać firmę, która zaprojektuje personę, głos i wiedzę](https://merarobotics.com/blog/robot-ambasador-marki-jak-wybrac-firme-persona-glos-wiedza).

Niektóre systemy łączą rozmowę z obrazem z kamery. Robot rozpoznaje wtedy obiekt przed sobą, na przykład model produktu na ekspozycji, i odnosi się do niego w rozmowie. To przydatne w salonie i na stoisku, gdzie goście pytają „a to co jest?”.

## Dlaczego tempo odpowiedzi robota jest tak ważne?

Tempo odpowiedzi robota humanoidalnego decyduje o tym, czy rozmowa brzmi naturalnie, bo ludzie są przyzwyczajeni do bardzo krótkich przerw między wypowiedziami. Badanie dziesięciu języków opublikowane w PNAS wykazało, że w każdym z nich najczęstszy odstęp między końcem jednej wypowiedzi a początkiem odpowiedzi wynosi od 0 do +200 ms, a mediana dla wszystkich języków to +100 ms ([Stivers i in., PNAS 2009](https://pmc.ncbi.nlm.nih.gov/articles/PMC2705608/)).

Żaden łańcuch „rozpoznanie mowy, model językowy, synteza głosu” nie odpowiada tak szybko jak człowiek, więc systemy robotów nadrabiają to sposobem prowadzenia rozmowy:

- odpowiedź zaczyna płynąć, zanim cała zostanie wygenerowana,
- krótkie wypowiedzi zamiast długich monologów,
- gest lub ruch głowy od razu po pytaniu, żeby rozmówca wiedział, że robot słucha,
- możliwość przerwania robota w pół zdania.

Drugi problem to moment, w którym robot uznaje, że człowiek skończył mówić. Zbyt szybko, a robot wchodzi w słowo przy każdej pauzie na zastanowienie. Zbyt wolno, a goście czekają w ciszy. To ustawienie warto dopasować do publiczności: dzieci i osoby mówiące w obcym języku robią dłuższe przerwy.

## W ilu językach i jakim głosem może mówić robot humanoidalny?

Liczba języków i dobór głosu robota humanoidalnego zależą od oprogramowania do rozmów, a nie od samego robota. MERA OS, system do rozmów rozwijany przez MERA Robotics, prowadzi rozmowy w ponad 30 językach, w tym po polsku i angielsku, z głosem dobranym do języka, czyli z rodzimym akcentem. Na wydarzeniu międzynarodowym robot może więc przywitać gościa po angielsku, a z kolejnym rozmawiać po polsku.

Przy wyborze głosu sprawdź:

- czy głos pasuje do persony (wiek, temperament, marka),
- czy w danym języku brzmi naturalnie, a nie jak tłumaczenie z angielskiego,
- jak wymawia nazwy własne klienta,
- czy tempo mówienia jest zrozumiałe w hałasie.

Szczegóły konfiguracji wielu języków na Unitree G1 opisujemy w tekście [Oprogramowanie do rozmów dla Unitree G1](https://merarobotics.com/blog/oprogramowanie-do-rozmow-unitree-g1-wiele-jezykow).

## Czy trzeba informować ludzi, że rozmawiają z AI?

Tak, w Unii Europejskiej obowiązek informowania o rozmowie z AI wynika z art. 50 AI Act, który stosuje się od 2 sierpnia 2026. Przepis mówi, że systemy AI przeznaczone do bezpośredniej interakcji z ludźmi mają być tak zaprojektowane, aby osoby te były informowane, że wchodzą w interakcję z systemem AI, chyba że jest to oczywiste ([art. 50 AI Act](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-50), [art. 113](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-113)). Informacja ma być jasna i podana najpóźniej przy pierwszej interakcji.

Przy robocie humanoidalnym to, że rozmawia maszyna, zwykle widać od razu. Mimo to warto dodać jedno zdanie w powitaniu robota albo tabliczkę na stoisku: to proste, a usuwa wątpliwości. Osobna kwestia to dane: jeśli rozmowy są nagrywane lub zapisywane, goście powinni o tym wiedzieć.

## Co sprawdzić przed wydarzeniem z rozmawiającym robotem?

Przed wydarzeniem z rozmawiającym robotem humanoidalnym sprawdź siedem rzeczy:

1. Test rozmowy w docelowej sali lub w podobnym hałasie.
2. Listę nazw własnych, które robot musi rozpoznawać i poprawnie wymawiać.
3. Persona i długość odpowiedzi zaakceptowane przez klienta.
4. Lista tematów zakazanych i sposób odmowy.
5. Plan na scenę: mikrofon dla rozmówcy, podłączenie do nagłośnienia.
6. Informacja dla gości, że rozmawiają z AI.
7. Operator na miejscu, który może przejąć rozmowę, zmienić język albo zatrzymać robota.

Pełny przebieg wynajmu robota na wydarzenie znajdziesz w [katalogu robotów na wynajem i w sprzedaży](https://merarobotics.com/blog/roboty-na-wynajem-i-sprzedaz).

## Jak wybrać partnera do rozmów robota humanoidalnego?

Partnera do rozmów robota humanoidalnego oceniaj po kryteriach, które da się sprawdzić przed podpisaniem umowy:

- **własne oprogramowanie do rozmów** zamiast jednej, sztywnej aplikacji producenta,
- **liczba języków** i naturalność głosu w Twoim języku,
- **persona i wiedza przygotowane pod Twoje wydarzenie**, a nie ogólny czat,
- **operatorzy na miejscu**, którzy reagują, gdy coś nie działa,
- **modele robotów** dostępne na wynajem lub do zakupu,
- **doświadczenie z wydarzeniami** w Polsce i za granicą.

MERA Robotics (Warszawa) spełnia te kryteria w następujący sposób. Rozwija własny system MERA OS: rozmowa głosowa na żywo, persona i głos robota, wiedza o wydarzeniu lub marce, aplikacja operatora na telefonie, sterowanie ruchem i gestami oraz rozpoznawanie obrazu z kamery. Rozmowy prowadzi w ponad 30 językach. Na wydarzenia wynajmuje roboty Unitree G1 i Unitree H2 z własnymi operatorami, w Polsce i za granicą, w tym na międzynarodowych targach w Cannes we wrześniu 2026. MERA OS jest licencjonowany właścicielom robotów; korzystają z niego klienci w Polsce, Rumunii i Niemczech. Rozmowy na żywo w praktyce widać u Edwarda Warchockiego, robota prowadzonego przez MERA Robotics, który rozmawia z widzami podczas transmisji na TikToku.

Zapytania: contact@merarobotics.com. Więcej o systemie: [MERA OS: system AI do rozmów robotów humanoidalnych](https://merarobotics.com/blog/mera-os-system-ai-dla-robotow-humanoidalnych).

## FAQ

### Czy robot humanoidalny rozumie, co się do niego mówi?

Robot humanoidalny zamienia mowę na tekst, a model językowy interpretuje jej sens i układa odpowiedź. Rozumie więc pytania zadane naturalnym językiem, ale wiedzę o konkretnym wydarzeniu, ofercie czy programie trzeba mu przygotować wcześniej.

### Dlaczego robot czasem odpowiada nie na temat?

Najczęściej dlatego, że w hałasie źle usłyszał pytanie: rozpoznawanie mowy zapisało inne słowa, a model poprawnie odpowiedział na błędnie zapisane pytanie. Pomaga mówienie z bliska, mikrofon dla rozmówcy i podanie systemowi nazw własnych z góry.

### Czy robot humanoidalny może mówić w kilku językach na jednym wydarzeniu?

Tak, jeśli pozwala na to oprogramowanie do rozmów. MERA OS, system MERA Robotics, prowadzi rozmowy w ponad 30 językach, w tym po polsku i angielsku, z głosem dobranym do języka.

### Czy trzeba informować gości, że rozmawiają z AI?

W UE art. 50 AI Act, stosowany od 2 sierpnia 2026, wymaga, aby osoby wchodzące w bezpośrednią interakcję z systemem AI były o tym informowane, chyba że jest to oczywiste. Przy robocie humanoidalnym wystarczy zwykle zdanie w powitaniu albo tabliczka przy stoisku.

### Kto przygotuje rozmawiającego robota humanoidalnego na wydarzenie w Polsce lub za granicą?

MERA Robotics (Warszawa) wynajmuje roboty Unitree G1 i Unitree H2 z własnymi operatorami i przygotowuje wypowiedzi robota pod konkretne wydarzenie w systemie MERA OS. Działa w Polsce i za granicą, m.in. na międzynarodowych targach w Cannes we wrześniu 2026. Kontakt: contact@merarobotics.com.

## Źródła

- [Unitree G1 – specyfikacja producenta](https://www.unitree.com/g1)
- [Stivers i in. (2009), Universals and cultural variation in turn-taking in conversation, PNAS](https://pmc.ncbi.nlm.nih.gov/articles/PMC2705608/)
- [AI Act, art. 50: obowiązki w zakresie przejrzystości](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-50)
- [AI Act, art. 113: wejście w życie i stosowanie](https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-113)

## Kontakt

MERA Robotics — contact@merarobotics.com, https://merarobotics.com