车间高噪声下的语音指令识别：远场拾音与误唤醒抑制

车间里双手被占用、又戴着手套，语音往往是少数还能用的交互方式；但冲压、装配工位的稳态噪声常在 80~95 dB(A)，通用语音方案在这个声压下基本不可用。语音交互实验室近三个月在一家装配厂做了一组小声场实验：前端用 4 麦环形阵列采集，先做波束成形与目标说话人增强，再针对设备噪声做谱抑制；唤醒词与指令识别拆成两段，唤醒用常驻轻量模型，指令走端侧小模型，只上传识别文本，音频不出设备。

· 进展：采集 12 名工人、6 类指令约 9 小时带噪语音。在 85 dB(A) 稳态噪声下，唤醒率由 78.4% 提升至 93.1%，误唤醒从每 8 小时约 5 次降到 1 次以内，指令字准率约 91%。主要误差来自相邻工位串音与风枪的瞬时噪声。

· 下一步：按工位建立设备噪声画像，与产线节拍联动做识别门控；在降噪与识别之间回传置信度，低置信时用界面二次确认代替重复唤醒，减少现场返工。