车间里的语音交互，难点不在模型大小，而在信噪比和话术边界。我们在《语音交互实验室》做了一轮产线场景的阶段性实验：把巡检、报修的口语描述转成结构化工单字段。
做法上先做减法。一是把开放式对话收敛为约 60 条高频指令与固定槽位（设备号、部位、现象、紧急度），识别端只做意图分类和槽位抽取，降低自由生成带来的幻觉；二是声学前端按工况处理，麦克风阵列先做波束成形与回声抑制，再叠加针对 75–85 dB 稳态机械噪声的降噪模型，优先保唤醒与端点检测，其次才是字准率；三是用领域词表做后处理纠错，设备名、型号、工序名进词表，同音字按编辑距离与上下文物料兜底。
要点：
- 进展：在某装配车间内部测试中，75 dB 背景噪声、3 米距离下唤醒率由 82% 提升至 94%，受限指令集下意图识别准确率 93%，关键字段（设备号、部位）经词表纠错后达 91%。
- 下一步：补充方言与口音适配，并打通工单系统做端到端闭环，重点验证从语音到派单的字段一次通过率。
评论