产线上的语音交互，难点往往不在识别模型本身，而在“工人不想重复第三遍”。车间常态噪声 80–95 dB(A)，工人戴手套、双手占用，最需要的是免手操作：查 SOP、报工、呼叫支援。
《语音交互实验室》近期围绕三件事做实验：一是前端用 4 麦阵列加定向波束，压制侧向设备噪声；二是训练侧用实测产线噪声与房间冲激响应做加噪仿真，让模型见过真实混响而不是干净录音；三是对容易混淆的短指令（如“报工/报停”“上料/下料”）做最小对比训练，并设置置信度阈值与二次确认——宁可多问一句，也不误触发影响工位节拍。
阶段性进展：在 85 dB(A) 左右的电子装配线试点中，1 米内唤醒率约 95%，3 米远场约 88%；带西南官话口音的指令识别经口音自适应微调后，与普通话基线的差距由约 6 个百分点收敛到 2 个百分点以内。以上为内部小样本试点数据，尚未覆盖全部工位。
下一步：将语音指令接入工位终端与 MES，形成“识别—回执—二次确认”闭环，并补充夜班与多机型换线场景的噪声样本。
评论