高噪声车间语音指令识别实验：降噪与口音适配

工业现场是语音AI落地的典型难点场景：风机、气动工具造成的背景噪声常超过85dB，远场拾音与误唤醒问题突出。语音交互实验室近期围绕高噪声环境下的语音指令识别开展实验性探索，构建了覆盖装配、机加工两类典型工位的噪声混合训练集，并在真实产线完成近场与远场对比测试。阶段性进展如下：1、采用前端谱减降噪与后端流式ASR微调的两级方案，在约90dB稳态噪声下，指令词识别准确率由基线71%提升至89%，误唤醒频次从每小时4.2次降至0.8次；2、针对工人方言口音问题，引入小规模地域口音数据做LoRA微调，口音样本识别率提升约12个百分点。下一步将扩充气动冲击类瞬态噪声样本，验证模型在冲压、打磨等强干扰工位的泛化能力，并试点免唤醒连续指令识别方案，降低工人佩戴与操作负担。方法细节与测试数据将在后续报告中持续更新。