在冲压与装配车间，80–85 dB 的稳态噪声叠加气动工具脉冲，是远场语音交互最不友好的场景之一。语音交互实验室近期把实验从消音室搬到真实工位，验证一条更朴素的路径：不追求通用模型听清所有话，而是让设备只认少量高频指令，并把唤醒、识别、确认拆成可度量的三段。
进展：本轮在3个车间、8个典型工位采集约120小时音频，覆盖稳态噪声、冲击噪声、多人同时说话三类干扰。基线直接使用通用ASR，安静环境唤醒率98.6%，噪声环境降至89.2%，误唤醒约每24小时3.4次。加入4麦环形阵列波束形成、噪声自适应增益与定制唤醒词后，噪声环境唤醒率提升至94.1%，误唤醒降至每24小时0.7次；对“启动、暂停、急停、报工”等12条短指令，识别准确率从91.5%提升至96.3%，端到端响应中位数约420毫秒。
下一步：一是补充方言与口罩遮挡场景，测试口音自适应；二是把识别结果与工单系统做二次确认，避免误触发；三是评估半双工打断策略，使操作员可在播报中直接纠正。
评论