在冲压、总装等工序，工人戴手套、手上沾油，扫码或点屏报工并不顺手，语音报工是更自然的替代路径。但车间稳态噪声常在75~85 dB(A)，远场拾音信噪比差，通用语音识别模型在这类场景的整句准确率往往不足七成。
语音交互实验室近期在一家总装线做了小规模实验，方案分三层：前端用四麦环形阵列做波束成形与自适应降噪，主要抑制风机、输送线一类的稳态机械噪声；中端把报工话术约束为「工位号+工序+数量+状态」的领域槽位，解码时挂载有限状态语法，把开放域搜索收缩到候选集合内；末端对槽位值做规则校验，数量越界或工位号不在当班排程内时触发澄清回问，而不是直接落库。
要点：
- 进展：在87 dB(A)背景噪声、说话人距阵列1.5~2.5米条件下，槽位整体准确率由基线61%提升至89%，工位号与状态字段超过95%；数量字段受连读和方言口音影响，仍有约8%错误。
- 下一步：补充各地方言口音的报工语料，并试验把澄清话术从固定模板改为基于置信度的选择性回问，减少重复确认对生产节拍的打扰。
目前仍处实验阶段，多点位并发报工与设备启停瞬态噪声下的表现尚未评估。
评论