工业巡检语音工单转写：噪声抑制与术语纠错

在噪声 75~95 dB 的总装车间，巡检员通常先用纸笔记录、回办公室再录工单，信息丢失与二次录入是主要损耗。语音交互实验室近期在一家装备制造企业做了小规模试验：前端用双麦阵列做定向拾音与谱减降噪，端侧跑轻量流式识别模型，再叠一层领域纠错——把设备编号、部位名、缺陷词做成受限词表，用发音相似度加编辑距离对低置信度片段重排。

试验覆盖 6 名巡检员、约 1200 条口述工单。要点一：字准从通用模型的 82.1% 提升到 93.4%，型号与编号类专有名词错误率下降约七成，但方言口音样本（约占 15%）仍是主要残余错误来源。要点二：单条工单从“口述+回填”约 4 分钟压缩到 1.5 分钟，结构化字段（设备、部位、缺陷等级）自动填充准确率 88%。

下一步把静态受限词表改为可增量更新的热词机制，并在两条噪声分布不同的产线复测，重点验证口音鲁棒性与离线可用性。