在车间设备巡检与维修场景中，技术人员习惯以纸质单据记录故障，填写繁琐且易漏记。本次实验探索语音化工单录入：技师在现场口述故障描述，由语音识别模型实时转写并生成结构化工单字段。
主要挑战来自车间噪声与专业术语。注塑机、空压机等设备附近的背景噪声常超过85分贝，通用语音模型在此类环境下的识别率明显下降。我们采用两阶段方案：先对音频做降噪与声纹增强，再用行业术语语料对通用模型微调，语料覆盖设备部件名称、故障动词等高频表达。
阶段性进展：
- 在90分贝模拟车间环境中，微调后模型的口述句准确率由71%提升至89%；
- 结构化字段抽取（设备编号、故障现象、处理建议）覆盖率达82%，未覆盖案例主要来自方言混杂口音。
下一步计划采集三家客户车间的现场录音扩充方言适配语料，并尝试将工单生成与设备维修知识库联动，使语音输入不止于转写，还能自动匹配历史相似案例、给出处理建议。
评论