语音质检定制：车间噪声下的关键词唤醒与误报抑制

在冲压、装配等连续噪声超过 80 dB(A) 的车间里，用语音替代手持扫码或纸质记录，是产线质检员接入 AI 的一条低门槛路径。但通用语音模型直接搬进车间，唤醒率往往从实验室的 95% 掉到 70% 以下，误唤醒则成倍上升——问题不在识别算法本身，而在训练数据与现场声学的错配。

本阶段我们在一家电机装配车间做了三组对照实验：以设备运行声为底噪录制 40 小时车间语料，分安静、中噪、高噪三档标注；采用窄带前端降噪加固定唤醒词方案，对比纯云端 ASR 与端侧小模型两种部署形态。初步结果是，端侧方案在 85 dB(A) 环境下唤醒率约 91%，每小时误唤醒 0.6 次，响应延迟稳定在 300 ms 内；云端方案精度接近，但受网络抖动影响，尾延迟波动明显。

要点：
1）噪声鲁棒性的关键变量不是模型规模，而是底噪增强语料是否覆盖本车间的频段特征，建议先采集至少 20 小时现场声再定模型；
2）下一步计划引入工况标签（设备启停、换型）做条件唤醒，将误唤醒进一步压低，并验证多人同时报工时的声源分离效果。