AI语音工单播报定制：车间噪声下的唤醒与确认

在车间环境里，语音交互的价值往往不在「能听懂」，而在「在噪声中只在该听的时候听懂」。本期实验以装配线工单播报与免手动作业为场景，把语音链路拆成三段验证：前端降噪与回声抑制、唤醒词判定、意图槽位抽取。

试验在三条装配线部署四麦环形阵列，环境噪声 75–85 dB(A)，采集现场指令 4200 条，包含设备自噪、风枪与气动工具的脉冲干扰。做法上没有直接调用通用云端模型，而是先用现场噪声做前端净化，再在边缘侧完成唤醒判定，仅将命中片段上送做意图解析，以控制功耗与值守成本。

要点：

• 进展：在 80 dB(A) 条件下，唤醒率由基线 78.4% 提升至 93.1%，误唤醒收敛到 8 小时 2 次以内；意图识别准确率 91.6%，主要错例集中在意译编号与短词混淆。
• 下一步：补录方言与口音样本，试验多人同时说话时的说话人分离，并把确认动作固定为「播报—复述—确认」三步，降低噪声误触发带来的操作风险。

阶段性结论偏克制：语音在产线的第一落点不是替代屏幕，而是减少重复性的双手占用操作。