我们在冲压与机加车间试点远场语音控制，目标是让戴手套、双手占用的工人在不接触屏幕的情况下切换设备状态、呼叫巡检。现场声压级常在 75–85 dB(A)，混响时间 0.8–1.2 s，通用唤醒词模型直接迁移后，唤醒率由实验室的约 97% 降到 82%，误触发主要来自气动扳机、金属敲击与行车鸣笛。
进展：
- 采集约 200 小时现场音频并按工位、班次标注，换用三音节低频唤醒词，叠加麦克风阵列波束成形与回声消除，唤醒率回升至约 93%，误触发从日均 46 次降到 9 次。
- 指令集收敛到 18 条高频口令（启停、换型、呼叫、报异常），端侧推理延迟约 120 ms，不依赖联网等待。
下一步：验证多工位同时说话时的重叠语音分离，并把语音口令与既有报工流程串联，跟踪一个完整班组周期内的真实使用率与放弃率。
评论