在机加工与装配车间的巡检、报修、交接班场景中，工人双手常被工具占用，键盘录入工单成本高。我们在三条产线做了一轮语音录入的对照实验，目标不是追求通用识别指标，而是判断"口述一张工单"在真实噪声下是否可靠。
实验条件：环境噪声 60~85 dB(A)，对比蓝牙耳麦近讲与吊顶麦阵远场两种拾音方案，累计采集约 120 小时现场语料，并将工装名称、材料牌号、故障代码整理为约 800 条领域词表注入解码。
进展：近讲方案叠加领域词表与置信度阈值触发复述后，整句可用率稳定在 93%~95%，工单平均录入时间由约 90 秒降至 30 秒左右；远场麦阵在 80 dB(A) 以上跌至约 78%，混响与相邻工位人声重叠是主要损失来源，暂不作为主通路。对型号与数字串（如规格、批次号）另行加入规则校验与二次确认，避免"听得清但写错"。
下一步计划：接入噪声自适应前端与语音分离，改善远场与多人同时说话的表现；并在喷漆房等高混响工位补充测试，确认方案的可迁移边界。
评论