在机加工、装配等现场，巡检记录通常依赖手持终端点选，工人戴手套、手上有油污时录入效率低，且车间本底噪声长期在 75~85 dB。语音交互实验室近期围绕“工业远场语音录入”做了一组实验性探索：以小型麦克风阵列做定向拾音与前端降噪，叠加工位噪声样本训练，并在识别后端接入可配置的领域热词表与纠错规则，把口语化的报修描述映射为规范字段。
阶段性进展：
1）在某机加工车间 3 条产线试点，1.5 m 内免提唤醒率约 94%，单条巡检记录录入时间由约 40 秒降至 12 秒左右；接入热词与纠错后，“轴承座”“气动阀”“导轨润滑”等术语识别准确率由约 82% 提升至 95%，误触发主要由邻近设备启停造成。
2）下一步将引入说话人分离与场景自适应，验证多人交替报修、交班口述记录等更复杂用法；同时把热词与纠错规则做成现场可维护的配置项，减少每次工艺变更后的返工。当前在 90 dB 以上强噪声与重方言口音场景下效果仍有明显下降，尚不具备全场景替代手持终端的条件。
评论