语音交互实验室近期把研究重心从“识别准确率”转向“现场可懂度”：在冲压与装配两个高噪车间，将作业SOP转为语音播报，测试参数化TTS在真实噪声下的可用性。
实验固定文本内容，只调整三项变量：语速（3.2 / 3.8 / 4.4 字每秒）、关键步骤前的停顿（0 / 300 / 600 毫秒）、以及与设备噪声频谱互补的音色。验收指标是工人听完后能否正确复述下一步动作，每组采集约40人次。
要点
- 初步结果：噪声75dB以上时，4.4字每秒的语速使复述正确率下降最明显；关键步骤前加300毫秒停顿，整体正确率提升约11个百分点，代价是单条播报延长约1.2秒。音色差异带来的影响小于语速与停顿。
- 下一步：把语音播报与工位终端的手势、按键确认联动，形成“听—做—确认”闭环，同时积累各工序噪声频谱库，为按工位自动选择播报参数打基础。
评论