语音交互实验室近期在三个机加工车间做了交接班语音的结构化实验。交接班通常由3~5人围着设备口述，时长6~12分钟，内容涉及设备状态、遗留问题与待办事项。直接录音转写有两个绕不开的难点：多人重叠说话，以及大量现场指代——"就那台""昨天那个"，脱离现场语境几乎无法还原。
实验采用远场麦克风阵列拾音，先通过声纹聚类完成说话人分离，再对每段转写做要素抽取，输出"设备/现象/时间/待办"四栏结构；指代类表述统一标注为待确认，不强行补全，避免生成看似完整但错误的信息。
阶段数据：20场交接班、累计约2.4小时音频，说话人分离准确率约89%，四栏要素召回约76%。其中"待办"一栏最低，约68%，失败集中在多人先后提到同一台设备时的归属错位。
下一步：交接班开始前由班组长念一遍当班设备清单，作为热词与设备编号注入；同时在转写界面保留"待确认"的人工回填入口，观察归属错误的下降幅度。
评论