InterviewAIAI实时面试答题助手

增强配置 · 4 min

听题 ASR

会议听题与模拟面试都依赖语音识别。当前仅支持实时流：本地 sherpa-onnx、通义 Fun-ASR Realtime、智谱 GLM Realtime。

听题效果依赖 ASR；建议正式面试前用真实会议软件试一次

可选方案

  • 本地实时（sherpa-onnx）：免 API Key。默认推荐 Zipformer 流式（低延迟）；可选 SenseVoice（离线中英混说）、Paraformer 流式。首次使用会下载模型到本机目录。
  • 通义 Fun-ASR Realtime：阿里云百炼 WebSocket 实时流（云端推荐，需百炼 API Key）。
  • 智谱 GLM Realtime：智谱 WebSocket 实时会话识别（云端推荐，需智谱 API Key）。

高级配置说明

高级配置决定「切段有多勤」和「何时把整题交给 AI」。展开后分为三块：文本纠错、断句与定稿、自动解答。

  • 文本纠错：定稿后再用大模型纠正专名 / 补标点。远程 ASR 默认关闭（更快）；本地实时始终开启。环境嘈杂或专名多时可手动打开远程纠错。
  • 定稿静音（客户端）：连续无有效语音达到该时长，才认为问题说完并触发自动解答。调大更稳、更慢；调小更快、更容易半截提交。
  • 服务端定稿静音（仅 Fun / 智谱）：云端 VAD 判定「这一句听完了」的静音阈值，影响中间听写刷新节奏，不直接等于整题提交。与客户端定稿独立配置。
  • Silero 断句静音（仅本地）：0.1～1s，默认 0.3s。只负责按换气切段与补听写，不会单独触发解答。
  • Silero 检测阈值 / 最短语音 / 单句最长：控制灵敏度与过短片段丢弃、过长强制切断。环境吵可略提高阈值。
  • 完整问题后自动解答：关闭后仍可听写，需手动「立即定稿并解答」或快捷键提交。

怎么调更顺

  1. 云端正式面试：优先 Fun-ASR 或 GLM Realtime；服务端定稿约 0.5～1s，客户端定稿略大于服务端一点，减少半截题。
  2. 本地离线 / 无 Key：选 Zipformer；Silero 断句默认 0.3s 即可，说话停顿短可再略降。
  3. 听写已经准、但自动解答偏慢：优先减小「定稿静音」，不要先把服务端定稿压得过低。
  4. 听写被拆得很碎：本地略增大 Silero 断句静音；云端略增大服务端定稿静音。
  5. 实时流建议只开「扬声器」或「麦克风」一路，避免双通道并发触发厂商限流。

模拟面试注意

模拟面试的语音作答转写走本地 WAV 识别。若当前选的是 Fun / GLM 实时流，请临时改成「本地实时」再模拟；正式会议听题仍可用云端实时。