据介绍，以前最接近人类特点的机器人也能模拟人类器官功能，可以通过使用机器肺脏和声带讲话。但是，WT-4不仅使用机器肺脏与声带，还增加了机动灵活的舌头、柔软的上腭、嘴唇和牙齿，能够更加清晰地读出日本字母发音，其中包括5个元音和15个辅音，如果没有口舌器官，这些音很难发得出来。不仅如此，该机器人还能清晰地发出50个不同的音节。该机器人依靠计算机模拟决定每个器官行使多少职责的参数，以便决定它们能够一起发出一个单词。这种模拟被用于听觉反馈系统，能让机器人模仿人类的声音。当一个人对着麦克风讲完一个字时，计算机程序就立刻分析该声音，根据模拟程序，提交舌头、嘴唇、牙齿、软腭以及声带的动作参数，然后WT-4就能说出它脑子里的句子。