工业现场的语音填报长期卡在两处:一是稳态噪声与瞬态敲击声叠加,二是设备编号、备件名称这类长尾领域词。语音交互实验室在三个机加工车间采集了约120小时真实语音,做了对照实验。
进展:
- 前端采用双麦阵列加轻量降噪,在约85dB(A)背景下有效语音占比由62%提升至88%;
- 解码侧接入约3000条领域热词表与二次纠错模型,字错率由18.6%降至7.4%,设备编号整串正确率由71%提升至93%;
- 低置信度片段不再强制输出,改为“请复述编号”的交互回退,误填率下降约六成。
下一步计划在端侧部署量化后的识别模型,验证断网续传与多方言口音的迁移效果,并将纠错结果回流至热词表的自动更新流程。

评论