巡检填报是语音交互实验室近期的一个试验场景：工人戴着手套、手上带油，掏出手机逐项打钩并不现实，语音是更自然的入口。难点集中在前端拾音、专业术语识别和可落地的工程形态。
前端方面，车间稳态噪声常在 80–90 dB，我们用四麦阵列做波束成形与降噪，配合 VAD 切分，尽量不把设备撞击声当成语音。识别方面，通用模型对“3 号冷媒泵出口压力”这类位号和术语识别很差，做法是热词表偏置加领域语料微调，并把位号、缺陷名收敛成受限词表，用编辑距离与拼音相似度纠错，置信度低时回问“是××吗”做一次确认。推理全部跑在本地边缘盒上，语音不出车间。
要点：
- 阶段进展：两条装配线试运行 6 周，安静工位字准 96%，85 dB 工况下 89%；位号类字段错误率从 7.2% 降到 1.8%。
- 下一步：补充方言口音样本做适配，并尝试双人同说的声源分离，让班组交接也能直接口述成单。
评论