在机加工与装配车间，工人常需在双手被占用时记录巡检结果或查询设备参数。语音交互实验室本期在一处冲压车间做了小规模验证：以四麦环形阵列采集，前端做波束形成与自适应噪声抑制，再接目标说话人提取；识别侧由 VAD 分段触发，并在解码阶段引入领域术语热词与 n-best 重排，用于纠正“刀补”“主轴转速”“保压时间”这类易错词。
- 进展：在约 85 dB(A) 稳态噪声、混响约 0.8 s 的三类工况下，离线测试集（约 2 小时语音、6 名说话人）唤醒率约 93%，短指令（≤6 字）字准率约 88%；改用近讲耳麦后可达约 96% 与 94%，说明远场拾音仍是主要瓶颈。
- 下一步：引入声源方位估计并与工位绑定，只响应指定区域内的说话人，减少相邻机台串扰；同时把连续口语转成结构化字段，先跑通“说一句、填一格”的巡检记录闭环。
评论