噪声车间里的语音指令：远场识别的一次现场实验

在金属加工车间的试点中，我们让操作员用语音替代部分按钮操作：报设备编号、下达“启动/暂停/呼叫巡检”等短指令。现场噪声稳定在 85～95 dB(A)，多台设备同时运行，混响约 1.2 秒，是典型的远场难点。

我们没有直接套用通用 ASR，而是采用“前端波束成形 + 设备噪声抑制 + 受限语法解码”的组合：先把指令约束到“设备编号 + 动作”的有限集合，再针对每台设备做关键词偏置。前两周采集了约 60 小时现场音频，标注出 1.8 万条有效指令与 4300 次误唤醒候选。

阶段性结果：在 3 米内、信噪比不低于 5 dB 的条件下，指令识别率从初始的 78.4% 提升到 93.1%；误唤醒从每小时 2.7 次降到 0.6 次。更明显的问题是“说完不确认”——操作员不敢依赖语音，因为不知道系统是否听对。

下一步计划：把语音识别与设备状态回读绑定，指令执行后由 TTS 播报“3 号机已暂停”，并在未确认时自动追问一次；同时扩充方言口音样本，验证鲁棒性。我们更关心的是，语音在噪声现场能否成为可被信任的辅助通道，而不是替代所有按钮。