北京
在印度，求职面试的准备成本高昂且充满不公平。约上一位资深工程师或职业教练进行模拟面试，每小时就要花掉₹1,000至₹3,000。对数百万求职者——尤其是来自二三线城市的工科学生——来说，技术信心、表达能力以及英语与印地语（Hinglish）之间的语言障碍，都是难以逾越的门槛。 我参加了Murf AI组织的"10 Days of Voice Agents——VoiceForBharat Edition"活动。在9天时间里，我搭建了Anisha（以及她的技术搭档Dev）——一个面向学习和读写赛道的AI面试教练。它支持多智能体协作与多语言对话，具备来电者记忆、实时护栏、外呼功能、人工升级和通话分析等完整能力。 为什么坚持用语音而不是文本？面试本质上是一种口头的、动态的、高延迟的人际互动。ChatGPT这类文本LLM无法模拟真实的发声压力、语气、说话节奏，也无法应对自然的语言打断。实时语音代理能提供即时的对话反馈，让候选人练习口语流畅度、减少赘词，建立真正的面试日信心。 构建这样一个交互式语音代理，需要在近零延迟下编排四个关键模块： - 用户语音（麦克风）→ Deepgram STT（Nova-3/Auto）完成语音转文字； - 文字送入 Gemini 2.5 Flash（LLM与业务逻辑）； - 生成文本交给 Murf Falcon TTS，以55ms延迟合成语音； - 整个过程通过 LiveKit 实时WebRTC管道连接，用户听到回复。 整条链路将语音识别、大模型推理与语音合成压榨进极短延迟，让对话近乎自然。Anisha不只是会问问题的聊天机器人，她会在候选人表达不畅时给出提示，在对话越界时启动实时护栏，还能主动发起外呼、记录来电者前后文记忆，并在必要时将对话无缝升级给真人面试官。 用9天时间，我用这些语音技术组件搭建了一个原本要花数千卢比才能获得的服务。如果文本聊天机器人练不出面试胆量，那这个55ms响应、会说Hinglish的AI教练，或许正是百万印度求职者缺的那次练习机会。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
