在包装生产线上，操作员的双手总是忙个不停，屏幕也常常不在触手可及的位置。语音控制显然非常适合这种场景，但工厂环境嘈杂、网络连接不稳定，而机器指令绝对不容听错。

我们做了什么

MAGO AI 的语音控制系统会聆听语音指令，并通过 PLC 所使用的工业协议 Modbus TCP 把指令转化为机器动作。操作员只需开口说话，就能启动、停止和调整机器。

为什么完全离线运行

噪音处理、语音识别、指令理解和语音反馈，全部运行在机器旁的本地硬件上，没有任何数据离开工厂。这意味着不依赖网络、没有数据隐私顾虑，而且响应迅速。

我们学到了什么

我们的第一个原型采用微控制器加关键词匹配，难以应付工厂噪音，也只能识别固定的说法。后来我们改用性能更强的边缘计算方案，运行现代语音识别模型和一个小型本地语言模型。语言模型能理解自然的表达方式，而不只是精确的关键词。

我们还发现，过度的降噪反而会影响识别效果，因为以自然语音训练的模型很难处理被过度过滤的音频。如何拿捏这个平衡，正是大部分工程精力所在。

未来方向

我们的目标是做出一个可以安装在任何机器上的语音模块，能适应任何工厂的噪音环境，而无需现场重新训练。

有兴趣为你的生产线加入语音控制？欢迎联系 MAGO AI。