AI车间语音指令识别：定向拾音与噪声抑制

车间里工人戴着手套、双手沾油，点屏幕报工并不方便，语音是更自然的入口；但产线噪声常年高于 85 dB(A)，通用语音方案在现场几乎不可用。本期实验把问题拆成三块：拾音、唤醒、指令理解。

拾音端用 4 麦环形阵列做固定波束成形，先压掉侧向的设备噪声；唤醒词按工位重新录制，避免与气动、提示音等常见声响混淆；指令侧不做开放识别，而是把可用指令收敛到 48 条高频操作（呼叫、报工、报异常、查询进度），用受限词表换取稳定性。

要点：

• 进展：在 88–92 dB(A) 稳态噪声、1.5 m 距离下，指令识别准确率由通用模型的 76% 提升至 92%，误唤醒约 1 次/8 小时；代价是词表需随产线变更维护。
• 下一步：接入 MES 打通语音报工闭环，重点验证多人同时说话与设备突发噪声（如气动吹扫）下的表现，并将端侧响应控制在 300 ms 内。