我们在冲压与装配车间做了一次小规模语音录入试验：班组长用耳机麦克风口述工单，替代纸质记录加事后二次录入。现场噪声长期在 78–85 dB(A)，且设备型号、缺陷代码多为低频专业词，直接调用通用语音识别时字准率仅约 72%。
处理链路拆成三段：前端做近场拾音与指向性降噪，只保留人声频段；中端用车间的术语词表做偏置解码，把「压装力」「轴承位」这类词加入热词；后端对置信度偏低的结果只标红、不自动改写，由操作员点选确认。
阶段性进展：在 3 条产线、12 名测试人员上，术语字准率提升到约 94%，单条工单平均录入时间从 95 秒降到 40 秒以内；残余错录主要出现在多人同时说话的时段。
下一步计划：引入说话人分离，覆盖交接班时多人交叉口述的场景；并把确认动作压缩为一次语音回读确认，进一步减少屏幕操作。
评论