强噪声车间语音工单识别：降噪前端与领域热词适配

语音交互实验室近期围绕车间强噪声环境下的语音工单录入开展实验，目标是让一线人员在设备运行噪声中直接口述报工与故障描述，减少纸质记录与二次录入。实验选取冲压与总装两类典型工位，采集背景噪声65–88 dB(A)的口述音频约3200条，构建领域测试集；方案采用双麦克风阵列波束成形加前端降噪，接入领域自适应识别模型，并对设备名、工单号、缺陷术语建立热词表。
阶段性进展：
· 在85 dB(A)稳态噪声下，工单关键字段（工位、设备、缺陷类型）识别准确率由基线71.4%提升至92.8%，整句字错率降至8.6%；
· 冲击型噪声（如冲压瞬间）仍是主要失败场景，该场景字段准确率较稳态条件下降约11个百分点。
下一步计划：引入噪声类型条件化建模与口述确认回读机制，对失败样本做定向数据增补，目标将冲击噪声场景字段准确率稳定在88%以上，并在一条试点产线开展为期四周的现场可用性验证。