在冲压、总装等强噪声车间，语音交互的第一道门槛不是识别率，而是"该不该听"。我们在一家汽车零部件厂的试点中，把语音前端拆成三级：波束成形先锁定工位方向，再用能量与谐波特征判断是否为人声，最后用短指令词表做唤醒确认，避免设备噪声触发误唤醒。
进展：在约 85 dB(A) 的稳态噪声与间歇冲压冲击下，误唤醒由每小时 6 次降至 0.4 次；对 32 条工位指令（报工、叫料、停机确认）首次识别准确率约 92%，配合"确认—改说"二次纠错后提升至 97%。
另一个发现是：工人更愿意说两三个字的短指令，而非完整句式，词表设计对体验的影响大于模型规模。每条指令同时写入工单系统，形成"说了什么、机器执行了什么"的可追溯记录。
下一步：把车间口音与佩戴防护耳罩的状态纳入测试集，并尝试在边缘盒内完成本地唤醒，降低对网络的依赖。
评论