AI车间语音报工定制：远场拾音与命令词纠错

在背景噪声约75–85 dB(A)的冲压车间里，用语音代替手工报工，是语音交互实验室近期的实验方向。我们在一个车间部署了6个点位的原型系统，累计采集200小时真实工况语音，重点验证可用性而非识别率上限。

现场有三类硬问题：远场混响与多机台串音导致命令词误触发；设备启停的突发噪声被VAD误判为人声；方言口音使通用模型字错率明显升高。我们的做法是前端用双麦阵列做波束形成与回声消除，VAD阈值随背景声压自适应；识别侧不重训通用模型，而是在其输出后接一层面向报工词表的小模型做纠错与拒识，凡不属于词表的语句一律判为无效，宁可让工人重说一遍，也不让错误指令落库。

【进展】在200小时测试集上，安静段命令词准确率约96%，噪声段约89%；误触发由每小时3.2次降至0.4次。