强噪声车间语音工单录入实验进展

在制造现场，操作工双手常被占用，用语音录入巡检记录与报修工单是语音AI的务实落点。本实验聚焦强噪声车间（背景噪声约75~90 dB）下的语音识别可用性，验证前端降噪与领域热词增强相结合的技术路线。阶段性进展：1. 在某机加工车间采集真实工位语音样本约1200条，经双麦克风阵列波束成形与谱减法降噪后，通用识别模型的字错率由18.6%降至9.2%；2. 引入设备名、缺陷类型等约300个领域热词后，设备编号与故障描述等关键实体的识别准确率提升至94%左右，基本达到工单可用水平。下一步将扩充不同班次与工位的样本覆盖，验证模型在设备变更后的稳定性，并评估离线边缘部署方案，保证断网时录入不中断。初步结论：工业语音交互的瓶颈不在模型本身，而在噪声场景的数据覆盖与领域词维护，需建立样本回流与定期迭代机制。