在冲压、注塑车间的语音指令试点中，最大的障碍不是识别模型本身，而是85 dB以上的设备底噪、混响与多机同时运转的干扰。我们把链路拆成三层：麦克风阵列做波束成形与回声消除，前端只做短时关键词唤醒，后端仅对唤醒后的2~3秒音频跑完整识别，以降低误触发带来的算力与误动作风险。
- 进展：在两条产线12个工位采集约6小时真实噪声样本，补入设备启停、气枪、金属碰撞等负样本后，唤醒误触发由每小时约9次降至2次以内；安静段指令识别准确率约96%，高噪段约88%。
- 下一步：把可识别指令收敛到“暂停、复位、报数”等20条以内，叠加声纹做操作员绑定，减少多人同时喊话时的指令归属错误，并在端侧验证断网下的可用性。
评论