问题不太明确，我来分情况讨论一下。
1. 机器人指的就是现实中的机器人产品
既然这种机器人发出的声音听起来不像真实的，那就说明它不是把语音预先录制然后播放（比如「倒车请注意」），而是用语音合成技术来生成语音的。
语音的音高，是由「基频」决定的。在语谱图上，语音看起来是「排骨」状的，每一根骨头叫做一个「谐波」，相邻谐波的间隔就是基频。比如， @曹力科 回答中「黑化肥发灰会挥发，灰化肥挥发会发黑」的语谱图就是下面这样的。注意「黑」这种一声字的谐波基本是水平的，而「化肥」这种声调有升降的字，谐波也有升降。
化肥绕口令——原始音频
https://www.zhihu.com/video/1206916879530635264
要根据文本生成基频的变化，并不是一件容易的事，对于早期的语音合成来说更是这样。如果一个合成语音听起来全是一声，那么就很有可能它根本就没有去建模基频的变化，而是偷懒把基频设置为常数。这样的语音的语谱图上，就全是水平的谐波了。
2. 机器人指的是影视作品中的机器人
在影视作品中，为了给机器人赋予一种「非人感」，常常会对预先录制的真人声音进行处理。
@曹力科 的答案就给出了一种处理方法，其中关键的步骤就是：把原始语音延迟若干个不同的时间，然后叠加。他采用的参数为：总共叠加 10 份，最小延迟为 500 个采样点，最大延迟为 2000 个采样点。他使用的语音采样率是 16 kHz，那么相邻两份的时间差就是：(2000 - 500) / 9 / 16000 = 0.0104 s = 10.4 ms。
为什么这样处理会产生「都是一声」的听感呢？这就需要用到信号处理里的这个结论了： 时域重复等于频域采样 。在时域上每隔 10.4 ms 重复一次，相当于在频域中每隔 1 / (10.4 ms) = 96 Hz 采一次样。这其实就是用 梳状滤波器 对语音进行滤波，梳子的齿所在的频率都是 96 Hz 的倍数。滤波的效果如下面的视频所示：梳状滤波器会破坏掉语谱图原有的谐波结构，而生成一套新的谐波结构，相邻谐波的间距都是 96 Hz。你看，基频变成常数了——所以语音听起来就「都是一声」了。
化肥绕口令——叠加后的音频
https://www.zhihu.com/video/1206917660287811584
这种处理方法完全是人为的，并不需要用「增强无线传输语音的可靠性」来解释，因为：
