A humanoid robot and artificial intelligence
知识库

人形机器人如何与人交谈:语音识别、人工智能和机器人的声音

人形机器人如何听见、理解并回答?本文介绍对话的五个阶段:麦克风收音、轮次判断、语音识别、语言模型生成回答和语音合成,说明在嘈杂的活动现场如何应对噪音,机器人怎么知道该说什么,为什么回应速度如此重要,如何选择对话语言和声音,以及欧盟《人工智能法》对告知义务的要求,并附上活动前的七项检查清单。

MERA Robotics 编辑部更新于: 2026年11月21日3 分钟阅读עבריתहिन्दीTiếng Việtالعربية日本語DanskTürkçeBahasa IndonesiaSuomiEestiMagyarSlovenčinaΕλληνικάLatviešuHrvatskiSlovenščinaČeštinaNorsk한국어LietuviųБългарскиPortuguêsRomânăSvenskaItalianoNederlandsFrançaisEspañolPolskiEnglishDeutsch

要点速览

人形机器人通过一条软件链交谈:麦克风收音,语音识别把声音转成文字,语言模型根据人设和活动知识写出回答,语音合成再把它说出来。对话质量取决于软件、事先准备的知识和场地声学条件,而不只是机器人本身。

目录与人形机器人的对话是怎样一步步进行的?人形机器人能听到什么,如何应对噪音?人形机器人怎么知道该说什么?为什么机器人的回应速度这么重要?人形机器人能用多少种语言,用什么样的声音?必须告诉人们他们在与人工智能交谈吗?举办有会说话的机器人的活动之前,应该检查什么?如何选择人形机器人对话的合作伙伴?

人形机器人通过一条软件链与人交谈:麦克风收音,语音识别把声音转成文字,语言模型根据机器人的人设和它对活动的了解写出回答,语音合成再把回答变成您从扬声器里听到的声音。机器人本身(例如 Unitree G1)提供“耳朵”“嘴巴”和动作;对话质量取决于软件,以及软件针对具体场地准备得有多好。

与人形机器人的对话是怎样一步步进行的?

与人形机器人的对话经过五个阶段,每一轮交流都会重复一遍:

阶段 发生了什么 质量取决于什么
收听 机器人的麦克风(或外接麦克风)收音 噪音、与说话人的距离、房间回声
轮次判断 系统判断一个人何时开始、何时说完 灵敏度设置、背景人声
语音识别 把语音转成文字 语言、口音、专有名称、儿童的声音
回答 语言模型借助人设和知识写出回答 人设说明和知识库的质量、话题规则
声音和动作 语音合成、扬声器、手势 与语言匹配的声音、音量、场馆扩声

任何一环薄弱,整条链都会断。活动上最常见的问题不是“人工智能太笨”,而是机器人在嘈杂的人声中听错了问题,然后准确地回答了一个没人问过的问题。

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), 图片: RuinDig/Yuki Uchida, CC BY 4.0

人形机器人能听到什么,如何应对噪音?

人形机器人通过内置的麦克风阵列收听;在嘈杂的场馆里,在说话人嘴边加一支麦克风往往效果更好。根据制造商的资料,Unitree G1 配有“4 Microphone Array”和“5W Speaker”,即四个麦克风和一个 5 W 扬声器(Unitree G1 参数)。这足以在办公室、展厅或安静的展台上进行对话。

到了展会、晚会或音乐节,情况就不同了:音乐、舞台扩声和许多同时进行的对话都会传到同一组麦克风里。实际有用的做法包括:

  • 来宾走近机器人,正对着它说话,而不是从侧面说,
  • 为舞台和圆桌讨论中的来宾准备手持麦克风或指向性麦克风,
  • 把展台设在远离舞台扬声器的位置,
  • 提前把专有名称(品牌、产品、演讲嘉宾姓名)告诉系统,以免语音识别把它们弄错,
  • 在实际场馆里测试,而不只是在办公室里测试。

声音输出也一样:一对一交谈时,机器人内置的扬声器就够用;但登台表演时,机器人的声音需要接入场馆的扩声系统。

人形机器人怎么知道该说什么?

人形机器人的回答由语言模型写出,模型会收到人设描述、关于活动的知识,以及机器人不能说什么的规则。模型懂语言,也了解世界的一般情况,但它对会议议程、客户的产品或衣帽间在哪里一无所知。这些知识必须提前准备。

一套好的准备材料包括:

  • 人设:名字、性格、说话方式、回答长度,
  • 知识:议程、演讲嘉宾、产品和服务、来宾常见问题的答案,
  • 边界:禁谈话题、如何婉拒、遇到政治或竞争对手相关问题时怎么办,
  • 脚本:问候、邀请合影、把来宾交给展台上的工作人员。

MERA Robotics 就是这样工作的:机器人的话语针对每场活动,在包含客户和活动议程知识的活动档案中准备;机器人还可以拥有自己的品牌形象,包括名字、性格和对产品与服务的了解。

有些系统会把对话与摄像头画面结合起来。这时,机器人能识别面前的物体,例如展出的某个产品型号,并在对话中提到它。这在展厅和展台上很有用,因为来宾常会问:“这是什么?”

为什么机器人的回应速度这么重要?

人形机器人的回应速度决定了对话是否自然,因为人们习惯了轮次之间极短的间隔。发表在《美国国家科学院院刊》(PNAS)上的一项涵盖 10 种语言的研究发现,在每一种语言中,从一方说完到另一方开始回答,最常见的间隔都非常短,几乎是无缝衔接(Stivers 等,PNAS 2009)。

由语音识别、语言模型和语音合成组成的软件链,没有一条能像人一样快速回答,因此机器人系统要靠对话的组织方式来弥补:

  • 回答还没完全生成,就开始播放,
  • 用简短的回答代替长篇独白,
  • 问题一说完,机器人就做一个手势或转一下头,让来宾知道它在听,
  • 允许在机器人说话时打断它。

第二个问题是机器人判断对方已经说完的时机。判断得太早,机器人会在对方每次停下来思考时插话;判断得太晚,来宾只能在沉默中等待。这一设置应与观众相匹配:儿童和说外语的人停顿时间更长。

人形机器人能用多少种语言,用什么样的声音?

语言数量和声音选择取决于人形机器人的对话软件,而不是机器人硬件。MERA Robotics 开发的对话系统 MERA OS 能用 70 多种语言对话,包括波兰语和英语,每种语言都配有相应的声音和母语口音。在国际活动上,机器人可以用英语问候一位来宾,再用波兰语与下一位来宾交谈。

选择声音时,请检查:

  • 声音是否符合人设(年龄、气质、品牌),
  • 在这种语言里听起来是否自然,而不像是从英语翻译过来的,
  • 它如何读出客户的专有名称,
  • 在噪音中语速是否仍然听得懂。

必须告诉人们他们在与人工智能交谈吗?

必须:在欧盟,告知人们正在与人工智能交谈的义务来自《人工智能法》第五十条,该条自 2026 年 8 月 2 日起适用。它要求用于与人直接互动的人工智能系统,在设计上必须让这些人知道自己在与人工智能系统互动,除非这一点显而易见(《人工智能法》第五十条、关于生效和适用的条款)。这一信息必须清楚,并最迟在首次互动时提供。

面对人形机器人,人们通常一眼就能看出是机器在说话。不过,在机器人的问候语里加一句话,或在展台上放一块提示牌,既简单又能消除任何疑问。数据则是另一个问题:如果对话会被录音或记录,来宾应当知情。

举办有会说话的机器人的活动之前,应该检查什么?

举办有会说话的人形机器人参与的活动之前,请检查七件事:

  1. 在实际场馆或类似噪音环境中做一次对话测试。
  2. 一份机器人必须能识别并正确读出的专有名称清单。
  3. 经客户认可的人设和回答长度。
  4. 一份禁谈话题清单,以及机器人婉拒的方式。
  5. 舞台方案:给来宾的麦克风、与扩声系统的连接。
  6. 一条告知来宾他们在与人工智能交谈的提示。
  7. 现场有一位操作员,可以接管对话、切换语言或让机器人停下。

可用于活动的机型见出租和在售的机器人目录。

如何选择人形机器人对话的合作伙伴?

评估人形机器人对话的合作伙伴,可以使用签约前就能核实的标准:

  • 自有对话软件,而不是制造商那款单一、死板的应用,
  • 语言数量,以及声音在您的语言里听起来有多自然,
  • 为您的活动准备的人设和知识,而不是通用的聊天机器人,
  • 现场操作员,出问题时能及时应对,
  • 可以租用或购买的机器人机型,
  • 国内外的活动经验。

常见问题

人形机器人能听懂人们对它说的话吗?

人形机器人把语音转成文字,再由语言模型理解意思并写出回答。它能听懂用自然语言提出的问题,但关于具体活动、产品或议程的知识必须提前准备。

为什么机器人有时会答非所问?

通常是因为它在噪音中听错了问题:语音识别记下了别的词,模型则准确地回答了这个被转写错的问题。走近说话、给来宾配麦克风、提前把专有名称告诉系统,都会有帮助。

人形机器人能在一场活动中说几种语言吗?

能,前提是对话软件支持。MERA Robotics 的系统 MERA OS 能用 70 多种语言对话,包括波兰语和英语,每种语言都配有相应的声音。

必须告诉来宾他们在与人工智能交谈吗?

在欧盟,《人工智能法》第五十条自 2026 年 8 月 2 日起适用,要求告知与人工智能系统直接互动的人,除非这一点显而易见。面对人形机器人,在问候语里加一句话,或在展台上放一块提示牌,通常就够了。

参考来源

  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
实用指南

如何选择人形机器人的对话软件?

  1. 是否兼容您的机器人型号和软件版本?
  2. 语言和声音:支持哪些语言的对话?每种语言是否配有相应的声音?
  3. 知识和人设:如何录入活动或品牌信息?如何设定机器人的性格?
  4. 操控:操作员能否(例如通过手机应用)接管对话、动作和手势?
  5. 内容管理:如何限制超出预备知识范围的话题和回答?
  6. 授权与支持:授权包含什么,由谁负责更新?

本页面由 MERA Robotics 发布,该公司提供人形机器人对话软件 MERA OS 的授权。

产品与服务

出租和在售的机器人

完整机器人目录(英文) →

联系我们

说说您的活动

请简单描述您的需求,我们会回复合适的机器人和流程方案,并附上报价。

您填写的信息仅用于回复本次询价。

知识库

相关文章

文章 · ZH

人形机器人担任会议或晚会主持人:能做什么、如何准备,以及《人工智能法》的要求

人形机器人能主持会议或晚会吗?本文说明机器人主持人在台上能做什么、不能做什么,如何准备议程和活动档案、安排场馆彩排和时间,机器人单独主持还是与真人主持人搭档更合适,需要怎样的音响、麦克风和网络,安全上要注意什么,以及欧盟《人工智能法》第五十条对透明度的要求,并附上主办方在活动前需要商定的事项清单。

阅读全文 →
文章 · ZH

展会机器人:如何把观众吸引到展台,参展前要准备什么

展会上的人形机器人怎样把观众吸引到展台?本文说明该给机器人安排什么角色(迎宾、介绍产品、展示展品、录制视频),如何规划活动区域、电源、网络和噪音等现场条件,参展前要准备哪些产品知识、对话语言和时间表,如何把观众的兴趣转化为可衡量的销售线索,以及选择合作方时可以在签约前核实哪些标准。

阅读全文 →
文章 · ZH

在欧洲租用配操作员的人形机器人:如何选择租赁公司

在欧洲租用配操作员的人形机器人,应该如何选择租赁公司?本文给出一套可以向每家供应商提出的比较标准和对照表,解释操作员为什么比机器人本身更重要,介绍出国办活动时的物流、ATA 单证册、外派员工和电池运输等手续,列出询价时应写明的内容,并提醒签约前需要警惕的危险信号,帮助您做出有依据的选择。

阅读全文 →
查询档期