语音质检AI定制：噪声车间里的关键词检出与误报抑制

在冲压、注塑等高噪声车间，用语音做质检记录一直是个难题：设备噪声常达85dB以上，工人报出的缺陷描述短、口音重，通用语音识别模型上线后关键词漏检率往往超过20%。

本阶段我们在三个车间做了小范围验证，把方案拆成三层：前端用指向性麦克风加谱减法做降噪，不追求还原人声；中间层不走通用大模型，而是用现场采集的2000条真实报检语音做小样本微调，只识别与缺陷相关的有限词表；后端设一道置信度阈值与二次确认，把“疑似命中”交给工人一键确认，避免误报直接进入质量系统。

阶段性结果是：关键词检出率从82%提升到94%，误报率由每班约15次降到4次以内，单条报检录入耗时从平均40秒缩短到12秒。下一步计划是加入说话人分离，解决多人同时报检时的串音问题，并验证在移动式报检场景下的稳定性。