北京
10天时间能做出什么？在 #VoiceForBharat Challenge 2026 的 Health Access Track 中，我基于 Murf Falcon——业界最快的 TTS API——构建了一个面向印度医疗体系的多语言自主语音助手原型。 它不是简单的问答机器人：系统能评估症状紧急程度，实时查询附近初级卫生中心（PHC）状态与天气/AQI健康提示；在获得用户同意后记住偏好，安排外呼提醒；一旦识别到红旗症状，会自动升级给人类 ASHA 工作者或医生；还能统计通话分析数据，并通过继承上下文的 Agent Handoff，把用户无缝转给专科预约代理。 技术链路上，项目以 LiveKit WebRTC 接收来电语音，用 Deepgram Nova-3 做多语言语音识别，再由 Google Gemini 3.5 Flash Lite 调用工具判断请求类型：症状分诊、附近医疗机构查询、环境健康建议、紧急人工升级、专科预约转接。所有健康数据通过 LiveKit Data Channel 回传，紧急升级写入 SQLite 的 human_escalations 表。 在原型的第9天，我完成了从主代理到专科代理的交接时序：主代理通过 transfer_to_clinic_specialist 工具触发转交，专科代理（ClinicAppointmentAgent）接管后续预约流程，全程保留上下文。整套流程中，主代理使用 Anisha 音色，专科代理则切换到 Pooja 音色，最终由 Murf Falcon 引擎合成语音，实时播报给来电者。 这个 10 天原型展示了“AI 前端分诊+人工兜底”的混合模式：机器负责分流和预警，人类负责高优先级干预，在资源有限的基层医疗场景中尤其有落地价值。
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.
