在冲压与装配车间，工人常以口头报工代替手动录入，但环境噪声普遍在75~90 dB(A)，远场拾音与识别稳定性成为落地难点。语音交互实验室近期在一家汽配厂做了阶段性验证，目标不是完整转写，而是从连续工位语音中稳定检出「完成、缺料、停机」三类关键词并触发工单。
做法上分三层：前端用双麦阵列做波束成形与噪声抑制，按下位机工位号绑定声源方向；声学模型采用小体量流式卷积+注意力结构，在自有产线噪声数据上做微调，噪声场景与安静场景混合训练；后处理用关键词置信度加时长约束，低于阈值则丢弃，避免误触发下游系统。
进展：在4条产线、约120小时真实录音上测试，安静时段关键词召回约96%，85 dB(A)稳态噪声下约88%，误报约每2小时1次；端侧推理延迟约180 ms，可跑在现有边缘盒上。
下一步计划：补录风机、气动扳手等突发噪声样本，验证唤醒词与工位绑定在多班次切换时的稳定性，并加入「二次确认」语音回执，降低误报对生产节奏的干扰。
评论