A humanoid robot and artificial intelligence
Ezagutza-basea

Nola hitz egiten du robot humanoide batek jendearekin: hizketa-ezagutza, AA eta robotaren ahotsa

Nola entzun, ulertu eta erantzuten du robot humanoide batek: mikrofonoak, hizketa-ezagutza, hizkuntza-eredua, ahotsa, abiadura, zarata eta EBko AI Legea.

MERA Robotics taldeaEguneratua: 2026(e)ko azaroaren 21(a)6 min irakurtzekoGaeilgeCymraegCatalàMaltiLëtzebuergeschGalegoไทยՀայերենქართულიShqipBahasa MelayuAzərbaycancaМакедонскиSrpskiBosanskiעבריתहिन्दीالعربيةTiếng ViệtBahasa IndonesiaTürkçe日本語Dansk中文SlovenčinaΕλληνικάSuomiMagyarEestiLatviešuHrvatskiČeštinaSlovenščinaLietuvių한국어NorskSvenskaБългарскиPortuguêsRomânăFrançaisNederlandsItalianoEspañol

Laburbilduz

Robot humanoide batek software-kate baten bidez hitz egiten du: mikrofonoek soinua jasotzen dute, hizketa-ezagutzak testu bihurtzen du, hizkuntza-eredu batek izaerari eta ekitaldiari buruzko jakintzari egokitutako erantzuna idazten du, eta hizketa-sintesiak ahots bihurtzen du. Elkarrizketaren kalitatea softwarearen, prestatutako jakintzaren eta akustikaren araberakoa da, ez robotaren beraren araberakoa bakarrik.

AurkibideaNola funtzionatzen du urratsez urrats robot humanoide batekiko elkarrizketak?Zer entzuten du robot humanoide batek, eta nola moldatzen da zaratarekin?Nola daki robot humanoide batek zer esan?Zergatik du hainbesteko garrantzia robotaren erantzun-abiadurak?Zenbat hizkuntza eta zein ahots erabil ditzake robot humanoide batek?Jakinarazi behar al zaie pertsonei AA batekin ari direla hitz egiten?Zer egiaztatu hitz egiten duen robot bat izango duen ekitaldi baten aurretik?Nola aukeratu robot humanoideekin elkarrizketak egiteko bazkide bat?

Robot humanoide batek software-kate baten bidez hitz egiten du jendearekin: mikrofonoek soinua jasotzen dute, hizketa-ezagutzak testu bihurtzen du, hizkuntza-eredu batek robotaren izaerari eta ekitaldiari buruz dakienari egokitutako erantzuna idazten du, eta hizketa-sintesiak erantzun hori bozgorailutik entzuten duzun ahots bihurtzen du. Robotak berak (Unitree G1 batek, adibidez) «belarriak», «ahoa» eta mugimendua ematen ditu; elkarrizketaren kalitatea softwarearen eta areto jakin baterako nola prestatu den araberakoa da.

Nola funtzionatzen du urratsez urrats robot humanoide batekiko elkarrizketak?

Robot humanoide batekiko elkarrizketak bost fase ditu, eta elkarrizketa-txanda bakoitzean errepikatzen dira:

Fasea Zer gertatzen da Zeren araberakoa da kalitatea
Entzutea robotaren mikrofonoek (edo kanpoko mikrofono batek) soinua jasotzen dute zarata, hiztunarekiko distantzia, aretoko oihartzuna
Txandak hautematea sistemak erabakitzen du pertsona noiz hasi eta noiz amaitu den hitz egiten sentikortasun-ezarpenak, atzeko berriketa
Hizketa-ezagutza hizketa testu bihurtzen da hizkuntza, azentua, izen bereziak, haurren ahotsak
Erantzuna hizkuntza-eredu batek erantzuna idazten du izaera eta jakintza erabiliz izaeraren laburpenaren eta jakintza-oinarriaren kalitatea, gaien arauak
Ahotsa eta mugimendua hizketa-sintesia, bozgorailua, keinuak hizkuntzari egokitutako ahotsa, bolumena, aretoko soinu-sistema

Edozein lekutan katebegi ahul batek kate osoa hausten du. Ekitaldietako hutsegite ohikoena ez da «AA ergela», baizik eta jendearen zaratan galdera gaizki entzun eta gero inork galdetu ez duen zerbaiti zuzen erantzuten dion robota.

Unitree G1 and Go2 robots on a trade show stand (Japan Mobility Show 2025)
Unitree G1 and Go2 robots on a trade show stand (Japan Mobility Show 2025), argazkia: RuinDig/Yuki Uchida, CC BY 4.0

Zer entzuten du robot humanoide batek, eta nola moldatzen da zaratarekin?

Robot humanoide batek bere mikrofono-multzo integratuaren bidez entzuten du, eta areto zaratatsu batean hobeto funtzionatu ohi du hiztunaren ahotik hurbil dagoen mikrofono gehigarri batek. Fabrikatzailearen arabera, Unitree G1ak «4 Microphone Array» eta «5W Speaker» ditu, hau da, lau mikrofono eta 5 W-eko bozgorailu bat (Unitree G1aren zehaztapenak). Hori nahikoa da bulego, erakusketa-areto edo stand lasai batean hitz egiteko.

Azoka, gala edo jaialdi batean gauzak aldatu egiten dira: musika, agertokiko soinu-sistema eta aldi berean egiten diren dozenaka elkarrizketa mikrofono berberetara iristen dira. Praktikan laguntzen duena:

  • gonbidatua robotarengana hurbiltzea eta zuzenean hari hitz egitea, ez alboetatik,
  • eskuko mikrofono edo mikrofono norabidedun bat agertokiko eta mahai-inguruetako gonbidatuentzat,
  • standa agertokiko bozgorailuetatik urrun jartzea,
  • sistemari izen bereziak aldez aurretik ematea (marka, produktuak, hizlarien izenak), hizketa-ezagutzak desitxura ez ditzan,
  • benetako aretoan probatzea, ez bulegoan bakarrik.

Gauza bera gertatzen da soinu-irteerarekin: robotaren barneko bozgorailua nahikoa da banakako elkarrizketetarako, baina agertokiko agerraldi baterako robotaren audioak aretoko soinu-sistemara joan behar du.

Nola daki robot humanoide batek zer esan?

Robot humanoide baten erantzunak hizkuntza-eredu batek idazten ditu, eta eredu horrek izaeraren deskribapena, ekitaldiari buruzko jakintza eta robotak esan behar ez duenari buruzko arauak jasotzen ditu. Ereduak hizkuntza eta mundua ezagutzen ditu oro har, baina ez daki ezer biltzarraren egitarauaz, bezeroaren produktuez edo arropategia non dagoen. Jakintza hori prestatu egin behar da.

Prestaketa-pakete on batek hauek hartzen ditu:

  • izaera: izena, nortasuna, hitz egiteko modua, erantzunen luzera,
  • jakintza: egitaraua, hizlariak, eskaintza, gonbidatuen ohiko galderen erantzunak,
  • mugak: debekatutako gaiak, nola uko egin, zer egin politikari edo lehiakideei buruzko galderekin,
  • gidoia: agurra, argazki bat ateratzeko gonbidapena, gonbidatua standeko pertsona bati pasatzea.

Horrela egiten du lan MERA Roboticsek: robotaren esaldiak ekitaldi bakoitzerako prestatzen dira ekitaldi-profil batean, bezeroari eta egitarauari buruzko jakintzarekin, eta robotak marka-nortasun propioa izan dezake, izen, izaera eta eskaintzari buruzko jakintzarekin.

Sistema batzuek elkarrizketa kameraren irudiarekin uztartzen dute. Orduan robotak aurrean duen objektu bat ezagutzen du, erakusgai dagoen produktu-eredu bat adibidez, eta elkarrizketan aipatzen du. Hori baliagarria da erakusketa-aretoetan eta standetan, gonbidatuek «eta hau zer da?» galdetzen dutenean.

Zergatik du hainbesteko garrantzia robotaren erantzun-abiadurak?

Robot humanoide baten erantzun-abiadurak erabakitzen du elkarrizketa naturala iruditzen den ala ez, jendea ohituta baitago txanden arteko tarte oso laburretara. PNAS aldizkarian argitaratutako hamar hizkuntzari buruzko ikerketa batek aurkitu zuen hizkuntza guztietan txanda baten amaieraren eta erantzunaren hasieraren arteko tarte ohikoena segundo baten zati txiki bat zela (Stivers et al., PNAS).

Hizketa-ezagutzak, hizkuntza-ereduak eta hizketa-sintesiak osatutako katerik ez da pertsona bat bezain azkar erantzuteko gai; horregatik, robot-sistemek elkarrizketa gidatzeko moduaren bidez konpentsatzen dute:

  • erantzuna guztiz sortu aurretik hasten da entzuten,
  • erantzun laburrak, bakarrizketa luzeen ordez,
  • keinu bat edo buru-mugimendu bat galderaren ondoren berehala, gonbidatuak jakin dezan robota entzuten ari dela,
  • robota esaldi erdian eteteko aukera.

Bigarren arazoa da robotak noiz erabakitzen duen pertsonak amaitu duela. Goizegi bada, robotak pentsatzeko eten bakoitzean hartzen du hitza. Beranduegi bada, gonbidatuak isilik itxaroten geratzen dira. Ezarpen hori publikoari egokitu behar zaio: haurrek eta atzerriko hizkuntza batean hitz egiten dutenek eten luzeagoak egiten dituzte.

Zenbat hizkuntza eta zein ahots erabil ditzake robot humanoide batek?

Hizkuntza kopurua eta ahotsaren aukera robot humanoidearen elkarrizketa-softwarearen araberakoak dira, ez robotaren hardwarearen araberakoak. MERA OSek, MERA Roboticsek garatutako elkarrizketa-sistemak, 70 hizkuntza baino gehiagotan egiten ditu elkarrizketak, tartean poloniarrez eta ingelesez, hizkuntza bakoitzari egokitutako ahotsarekin eta jatorrizko azentuarekin. Nazioarteko ekitaldi batean, robotak gonbidatu bat ingelesez agur dezake eta hurrengoarekin poloniarrez hitz egin.

Ahotsa aukeratzean, egiaztatu:

  • izaerari egokitzen zaion (adina, tenperamentua, marka),
  • hizkuntza horretan naturala den, ez ingelesetik itzulia,
  • nola ahoskatzen dituen bezeroaren izen bereziak,
  • hitz egiteko erritmoa ulergarria den zarata artean.

Jakinarazi behar al zaie pertsonei AA batekin ari direla hitz egiten?

Bai: Europar Batasunean, pertsonei AA batekin ari direla hitz egiten jakinarazteko betebeharra AI Legearen gardentasun-betebeharretatik dator, eta 2026ko abuztuaren 2tik aurrera aplikatzen da. Pertsonekin zuzenean elkarreragiteko diseinatutako AA sistemek pertsona horiei AA sistema batekin ari direla jakinarazteko moduan diseinatuta egon behar dute, agerikoa ez bada behintzat (AI Legea, gardentasun-betebeharrak, aplikazio-datak). Informazioak argia izan behar du, eta lehen elkarreraginean eman behar da beranduenez.

Robot humanoide batekin, normalean agerikoa da makina bat ari dela hitz egiten. Hala ere, robotaren agurrean esaldi bat edo standean kartel bat sinplea da eta zalantza oro kentzen du. Datuak bestelako gai bat dira: elkarrizketak grabatzen edo erregistratzen badira, gonbidatuek jakin behar dute.

Zer egiaztatu hitz egiten duen robot bat izango duen ekitaldi baten aurretik?

Hitz egiten duen robot humanoide bat izango duen ekitaldi baten aurretik, egiaztatu zazpi gauza:

  1. Elkarrizketa-proba benetako aretoan edo antzeko zaratan.
  2. Robotak ezagutu eta zuzen ahoskatu behar dituen izen berezien zerrenda.
  3. Bezeroak onartutako izaera eta erantzunen luzera.
  4. Debekatutako gaien zerrenda eta robotak nola egiten duen uko.
  5. Agertokiko plana: gonbidatuarentzako mikrofonoa, soinu-sistemarako konexioa.
  6. Gonbidatuei AA batekin ari direla jakinarazten dien oharra.
  7. Bertan dagoen operadore bat, elkarrizketa hartu, hizkuntzaz aldatu edo robota gelditzeko gai dena.

Ekitaldietarako eskuragarri dauden ereduak ikusteko, ikusi alokatzeko eta saltzeko roboten katalogoa.

Nola aukeratu robot humanoideekin elkarrizketak egiteko bazkide bat?

Epaitu robot humanoideekin elkarrizketak egiteko bazkide bat sinatu aurretik egiazta ditzakezun irizpideen arabera:

  • elkarrizketa-software propioa, fabrikatzailearen aplikazio bakar eta zurrun baten ordez,
  • hizkuntza kopurua eta ahotsa zure hizkuntzan zenbateraino naturala den,
  • zure ekitaldirako prestatutako izaera eta jakintza, ez chatbot orokor bat,
  • bertako operadoreak, zerbaitek huts egiten duenean erantzuten dutenak,
  • robot-ereduak, alokatzeko edo erosteko eskuragarri,
  • ekitaldietako esperientzia etxean eta atzerrian.

Ohiko galderak

Ulertzen al du robot humanoide batek jendeak esaten diona?

Robot humanoide batek hizketa testu bihurtzen du, eta hizkuntza-eredu batek esanahia interpretatzen du eta erantzuna idazten du. Hizkuntza naturalean egindako galderak ulertzen ditu, baina ekitaldi, eskaintza edo egitarau jakin bati buruzko jakintza aldez aurretik prestatu behar da.

Zergatik erantzuten du robot batek batzuetan gaitik kanpo?

Normalean zaratan galdera gaizki entzun duelako: hizketa-ezagutzak bestelako hitz batzuk idatzi ditu, eta ereduak zuzen erantzun dio gaizki transkribatutako galderari. Laguntzen dute hurbiletik hitz egiteak, gonbidatuarentzako mikrofono batek eta sistemari izen bereziak aldez aurretik emateak.

Hitz egin dezake robot humanoide batek hainbat hizkuntzatan ekitaldi berean?

Bai, elkarrizketa-softwareak onartzen badu. MERA OSek, MERA Roboticsen sistemak, 70 hizkuntza baino gehiagotan egiten ditu elkarrizketak, tartean poloniarrez eta ingelesez, hizkuntza bakoitzari egokitutako ahotsarekin.

Jakinarazi behar al zaie gonbidatuei AA batekin ari direla hitz egiten?

EBn, AI Legearen gardentasun-betebeharrek, 2026ko abuztuaren 2tik aurrera aplikatzen direnek, eskatzen dute AA sistema batekin zuzenean elkarreragiten duten pertsonei jakinaraztea, agerikoa ez bada behintzat. Robot humanoide batekin, agurrean esaldi bat edo standean kartel bat nahikoa izan ohi da.

Iturriak

  1. Unitree G1: manufacturer specifications
  2. Stivers et al. (2009), Universals and cultural variation in turn-taking in conversation, PNAS
  3. EU AI Act, Article 50: transparency obligations
  4. EU AI Act, Article 113: entry into force and application
Gida praktikoa

Nola aukeratu elkarrizketa-softwarea robot humanoide baterako?

  1. Bateragarritasuna zure robot-ereduarekin eta haren software-bertsioarekin.
  2. Hizkuntzak eta ahotsak: zenbat hizkuntzatan hitz egiten du sistemak? Ahotsa hizkuntza bakoitzari egokitzen zaio?
  3. Ezagutza eta nortasuna: nola sartzen den ekitaldiari edo markari buruzko ezagutza, eta nola zehazten den robotaren izaera.
  4. Gidaritza: operadore batek bere gain har ditzake elkarrizketa, mugimenduak eta keinuak, adibidez mugikorreko aplikazio batetik?
  5. Edukiaren kontrola: nola mugatzen diren gaiak eta prestatutako ezagutzatik kanpoko erantzunak.
  6. Lizentzia eta laguntza: zer hartzen duen barne lizentziak, eta nor arduratzen den eguneratzeez.

Orri hau MERA Roboticsek argitaratzen du; enpresa horrek MERA OS lizentziapean eskaintzen du, robot humanoideentzako elkarrizketa-softwarea.

Gure eskaintza

Alokatzeko eta erosteko robotak

Roboten katalogo osoa (ingelesez) →

Harremana

Hitz egin dezagun zure ekitaldiaz

Azaldu labur zer behar duzun. Robotaren eta gidoiaren proposamen batekin eta aurrekontuarekin erantzungo dizugu.

Formularioko datuak zure eskaerari erantzuteko soilik erabiltzen ditugu.

Ezagutza-basea

Lotutako artikuluak

Egiaztatu eskuragarritasuna