本轮实验把语音交互从会议室搬到车间现场：操作工佩戴蓝牙耳机，在约 85 dB(A) 的设备噪声下口述工单内容（工位、料号、数量、异常描述），目标是免手操作、一次说清即可提交，不再回到终端前补录。
- 进展：前端采用双麦波束成形加轻量降噪做信号增强，解码端用领域词表对通用语言模型做偏置替换。在 2000 条现场真实录音构成的测试集上，字错率由 12.6% 降至 6.8%；料号、工位号等关键实体的准确率由 81% 提升至 94%。术语类错误多集中在同音异形与连读，词表偏置对这类问题收益最明显。
- 下一步：将识别结果直接对接工单系统做端到端验证，观察多说话人串音、方言口音带来的退化幅度；同时评估唤醒词常驻在边缘设备上的功耗与误唤醒率，确认是否具备全天班次连续运行的条件。
现阶段结论：远场拾音在稳态噪声下已基本可用，真正影响落地的是专业术语与短指令的区分度，这部分仍需靠现场数据持续补充，而非单纯放大模型。
评论