车间噪声下语音报工识别：从演示到产线试点

车间语音交互的第一道门槛不是模型能力，而是环境——稳态噪声常在 85 dB 以上，工人戴手套、双手占用，且口音与术语高度本地化。本实验室近期把语音报工作为切入点，做了一个小范围的工程化验证。

技术路径上，我们没有直接调用通用语音接口，而是做了三层收敛：一是前端用远场拾音阵列配合降噪，抑制气动与主轴噪声；二是构建产线领域词表，对工位号、物料编码、工艺参数做热词增强；三是引入置信度门控，识别置信度低于阈值时自动转为「复述确认」或人工兜底。识别结果不做自由文本处理，而是直接映射为 MES 报工单的结构化字段。

【进展】在两条装配线试点约六周：语音报工一次通过率由 76% 提升至 91%，单次报工平均耗时从约 25 秒降到约 12 秒；累计采集并标注了约 200 小时车间噪声语音，其中高噪声段占比约三成。

【下一步】把同一套链路扩展到质检结果录入与换型确认两个场景，同时补充分口音覆盖与低置信度样本的自动回流机制。我们认为语音在车间的价值不在「能听懂」，而在于把可预期的失败路径设计清楚。