在包裝生產線上，操作員的雙手總是忙個不停，屏幕亦往往不在觸手可及的位置。語音控制顯然非常適合這種場景，但工廠環境嘈吵、網絡連線不穩定，而機器指令絕對不容聽錯。

我們做了甚麼

MAGO AI 的語音控制系統會聆聽語音指令，並透過 PLC 所使用的工業協定 Modbus TCP 把指令轉化為機器動作。操作員只需開口說話，就能啟動、停止及調校機器。

為甚麼完全離線運行

噪音處理、語音辨識、指令理解及語音回饋，全部運行於機器旁的本地硬件上，沒有任何數據離開工廠。這代表不依賴網絡、沒有數據私隱顧慮，而且反應迅速。

我們學到了甚麼

我們的第一個原型採用微控制器加關鍵字比對，難以應付工廠噪音，亦只能辨識固定的說法。其後我們改用效能更強的邊緣運算方案，運行現代語音辨識模型及一個小型本地語言模型。語言模型能理解自然的表達方式，而不只是精確的關鍵字。

我們亦發現，過度的降噪反而會影響辨識效果，因為以自然語音訓練的模型難以處理被過度過濾的音訊。如何拿捏這個平衡，正是大部分工程心力所在。

未來方向

我們的目標是做出一個可以安裝在任何機器上的語音模組，能適應任何工廠的噪音環境，而毋須到場重新訓練。

有興趣為你的生產線加入語音控制？歡迎聯絡 MAGO AI。