爱意满满的作品展示区。
cryptitalk
10.96D

做了个能打断的 AI 语音面试陪练,求拍砖

  •  1
     
  •   cryptitalk ·
    PRO
    ·
    cryptitalk · 2 days ago · 1571 views

    大家好,我是独立开发者。面试最难的是找不到人陪练,所以我做了一个 AI 语音面试陪练,想请大家帮忙试试、拍拍砖。

    跟其他 AI 面试工具有什么不一样

    大部分工具是你说完一段、它再回一段,像在发语音消息。这个是全双工实时对话:

    • 你停下来想一想,它会等你,不抢话
    • 它说得太长,你可以直接打断

    目前有两个角色:技术面试官 Alex ,练 system design 和项目深挖;英语口语私教 Emma 。

    怎么参加

    1. 打开 👉 https://aidou.studio/?scene=verify&src=v2ex
    2. 用 Google 账号登录,和"小豆"随便聊 5 分钟(不考技术)
    3. 系统确认是真人后,送 90 分钟通话时长

    不登录也可以先免费体验 10 分钟。

    为什么要先聊 5 分钟:防薅羊毛。语音模型按分钟计费,时长想留给真正来练的人。

    我想要什么

    真实反馈:哪里好用,哪里别扭。前 20 位通过验证的同学,我会私信约 10 分钟聊聊(自愿)。

    谢谢大家 🙏

    Supplement 1  ·  2 days ago

    不想登录?直接试 👉 https://aidou.studio/?scene=tech&src=v2ex

    打开就能和技术面试官 Alex 聊,免注册、送 10 分钟。觉得好用再回来按上面的步骤验证领 90 分钟。

    21 replies  •  2026-11-17 02:36:53 +08:00
    iOCZS
    iOCZS
    2 days ago❤️1
    1
    用的什么模型?
    cryptitalk
    cryptitalk
    OP
    PRO
    2 days ago
    2
    端到端实时语音模型,不是 ASR+LLM+TTS 拼接,所以能打断:默认阿里 Qwen-Omni Realtime ,可切 Google Gemini Live ;总结用 MiniMax 。什么时候接话由浏览器里一个自研小模型判断。
    cryptitalk
    cryptitalk
    OP
    PRO
    2 days ago
    3
    @iOCZS 端到端实时语音模型,不是 ASR+LLM+TTS 拼接,所以能打断:默认阿里 Qwen-Omni Realtime ,可切 Google Gemini Live ;总结用 MiniMax 。什么时候接话由浏览器里一个自研小模型判断。
    Newb1e
    Newb1e
    2 days ago❤️1
    4
    和豆包语音的区别是什么
    cryptitalk
    cryptitalk
    OP
    PRO
    2 days ago
    5
    老实说,语音交互本身豆包现在也是全双工,做得比我好,这块不比。

    区别只在用途:
    - 面试官会顺着你的方案追问 trade-off,不是有问必答的助手
    - 结束后有一份复盘:逐题对错 + 录用倾向,口语场景是纠错表
    - 个人项目,还很早期,欢迎拍砖
    cryptitalk
    cryptitalk
    OP
    PRO
    1 day ago
    6
    @Newb1e 我下载了豆包 app(并且使用了网页版) 对比了一下

    1)豆包没有网页版全双工语音对话的功能(像对着你打电话的功能)
    2)豆包 app 里也没有全双工对话的功能,如果你用到了可以给我链接 目前多方渠道都找不到证据 甚至 b 站上都没有演示视频

    有的只是语音输入 -》 豆包语音回答,这个体验完全跟我们的不同
    cryptitalk
    cryptitalk
    OP
    PRO
    1 day ago
    7
    @Newb1e 不好意思我用到豆包的语音功能了 确实做的很好 需要学习
    cryptitalk
    cryptitalk
    OP
    PRO
    1 day ago
    8
    @Newb1e 豆包语音面试其实非常鸡贼,如果你不上传简历的话是不会问你问题的,所以是用隐私来换通话分钟 我不愿意上传简历所以就一直卡住了
    irrwood
    irrwood
    1 day ago❤️1
    9
    做的很不错啊 好用
    mtstorywx
    mtstorywx
    1 day ago❤️1
    10
    验证这一关的摩擦,可能比被薅的损失更贵。面试陪练是低频需求,人点进来那一刻意愿最高,让他先跟小豆聊五分钟不考技术的话,很多聊完就走了。真怕被薅,我会把 90 分钟拆成三次各 30 分钟、按设备限领;或者干脆不送时长,进来先给一分钟免费,让人在第一分钟就撞上「它会等你、你能打断」这件事——这是你唯一跟别人不一样的点,不该排在验人后面。
    jacketma
    jacketma
    1 day ago via Android❤️1
    11
    体验真不错👍 这个 real-time API 老贵了啊😯
    Hooki
    Hooki
    1 day ago via iPhone❤️1
    12
    体验了一下,目前是不是没有能纠正发音的英语练习助手?大部分都是通过工具把语音转为文字然后进行交流,实际上还是有局限性的
    Newb1e
    Newb1e
    1 day ago
    13
    @cryptitalk 这个确实,你这个独特之处有自己的专属知识库。
    tiyee
    tiyee
    1 day ago❤️1
    14
    做过类似产品,采用的是级联方案。
    全双工根本确定是无法进行 rag
    cryptitalk
    cryptitalk
    OP
    PRO
    1 day ago
    15
    @mtstorywx 我昨天晚上想了一晚上,思考你问的问题,也许过去几年一直在 web3 摸爬滚打,饱受女巫攻击的残害,让我一开始就对不公平的占有资源带有防范心理。

    后来我把这件事写成了几个公式(假设我最终的优化目标是用户总时长):

    用户总时长 = 曝光 × 点进来的比例 × 登录率 × 开口聊的比例 × 过验证的比例 × 人均时长

    人均时长 = 用了几周 × 每周用几次 × 每次用多长

    某一步的通过率 ≈ 意愿 ÷ (意愿 + 这一步的摩擦)

    意愿 ≈ 痛点有多痛 × 多常碰上 × 相信它能解决的程度

    你说得对,验证就是第五步的摩擦,这两天的数据也很直白:1100 多次浏览,50 来个人点进来,14 个人开口聊过,3 个登录,1 个走完了验证。只看这一步的话,拆掉门槛最快。

    但我还是不想拆,原因在后面几个公式里:

    1. 门槛是一次性的,时长是持续的。验一次就能长期用,这点摩擦摊下来很薄。面试陪练之所以显得门槛贵,是因为一年才用几次,摩擦摊不开。所以问题不在门槛,在频次。
    2. 分母里除了摩擦还有意愿。摩擦不变,把意愿做大,通过率一样会上去。我们接下来就是要把面试陪练这种低频需求,往天天用得上的方向推。频次上去了,意愿和人均时长一起涨,门槛的相对成本自然就降了。
    3. 门槛本身也是个过滤器。愿意花五分钟验证的,大多是真想用的人,留下来的人均时长也更高。

    所以比起去掉门槛,我更想把门槛前后的意愿做大。谢谢你的问题,确实逼我把这件事想清楚了。
    cryptitalk
    cryptitalk
    OP
    PRO
    1 day ago
    16
    @jacketma 你说到点子上了 聊 Gemini 的话一个小时 5 刀左右,主要他们积累的上下文的复杂度是 O(n^2)级别的,目前我也只能用验证送时长这个方式来挡无效使用,不过我昨天用了豆包感觉他们是有办法来 trim 上下文的。
    cryptitalk
    cryptitalk
    OP
    PRO
    1 day ago❤️1
    17
    @Hooki 有,市面上专门做发音评测的模型不少,能细到每个音素打分:

    微软 Azure 发音评测:音素级打分,还能标出错在哪一段音频
    Speechace、SpeechSuper:评测接口,能检测发音错误、重音和连读
    阿里云:也有音素级的错误检测
    开源的有 OpenPronounce,基于 Wav2Vec2

    我们现在还没接这类模型。一人小团队的好处就是反馈能很快落地,发音纠正这个需求我记下了,接入了会在这里回复你。
    cryptitalk
    cryptitalk
    OP
    PRO
    1 day ago
    18
    @tiyee 现在不一定了,Gemini Live、OpenAI Realtime 都支持对话中途调用工具,检索完再接着说。代价是多一点延迟,模型也不是每次都会主动去调,确实不如级联方案可控。
    cryptitalk
    cryptitalk
    OP
    PRO
    1 day ago
    19
    @irrwood 谢谢你 期待更多反馈!
    jacketma
    jacketma
    21h 59m ago via Android❤️1
    20
    @cryptitalk 这台太难绷啦😓 不能设置截断、或压缩上下文,后面每一句话都带上一个小时的聊天记录,tokens 原地爆炸啊💥💥💥
    cryptitalk
    cryptitalk
    OP
    PRO
    2h 43m ago
    21
    @jacketma 这个好解不过我现在优先级是需求发现 不着急
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   917 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 38ms · UTC 21:20 · PVG 05:20 · LAX 13:20 · JFK 16:20
    ♥ Do have faith in what you're doing.