车间里用语音报工，比扫码少一步，但难点往往不在识别模型本身，而在拾音环境和领域词汇。
我们在某机加工车间做了三个月试验：工位背景噪声常在80–90 dB，工人戴着手套、隔着口罩说话，还夹带方言口音；工序名、料号、设备编号又是通用语音模型没见过的高频词。直接把通用ASR接上去，可用性很差。
做法分三层：前端用四麦阵列做波束成形与自适应降噪，只向识别端输出单路增强音频，便于后续更换硬件时不改动模型；识别侧维护可热更新的领域词表，把工序名与料号按音素近似建混淆集，再用工序流转上下文做二次打分纠错；最后用现场录音做半监督伪标注，只挑置信度高的片段回流训练。
要点：
- 阶段进展：车间自建测试集上，安静工位字错率由6.8%降至4.1%，85 dB 工况由约21%降至9.4%，工序词召回92%。
- 下一步：多人串音下的说话人分离，以及端侧离线推理，降低对网络的依赖。
评论