语音 Agent 与实时对话应用

共 19 题

#

1. 语音 Agent 的"ASR→LLM→TTS"链路延迟预算如何分配（如 800ms 内）？

A 三段串行严格相加

B 忽略首包延迟

C 只优化 LLM

D 流式 ASR/TTS 与 LLM 流水线重叠，按 SLA 分配预算并追踪 ✓ 正确答案

#

2. 端到端语音模型 vs 级联管线，延迟、打断、口音鲁棒性与可控性的取舍，何时保留级联？

A 延迟更低、打断更自然 ✓ 正确答案

B 可控性更强

C 易于集成工具

D 调试更方便

#

3. 自动化评测闭环，用 TTS 合成测试语音回环驱动语音 Agent，端到端任务成功率如何自动度量？

A 以任务完成状态与语义一致性判定 ✓ 正确答案

B 仅文本匹配

C 随机判断

D 只测 ASR

#

4. 实时语音交互的打断检测、半双工/全双工切换如何实现？

A 提高音量

B 降低延迟

C 关闭麦克风

D 回声消除（AEC） ✓ 正确答案

#

5. 语音场景的上下文管理，多轮对话与 VAD 边界如何对齐？

A 需把 VAD 切出的语音段与该轮语义正确绑定，避免误切轮 ✓ 正确答案

B 完全无关

C VAD 只用于音量

D 忽略语义完整性

#

6. 语音 Agent 中"工具调用"与语音流的编排，转写→意图→工具→TTS 的链路延迟如何压缩？

A 放弃工具调用

B 严格串行

C 只优化 TTS

D 流水线重叠与预测性并行 ✓ 正确答案

#

7. 多语言/口音/背景噪声下的语音鲁棒性如何测试与增强（数据增广、ASR 兜底）？

A 仅靠模型

B 忽略噪声

C 提高音量

D 声学前端降噪加数据增广加 ASR 兜底 ✓ 正确答案

#

8. 语音 Agent 的前端音频处理，回声消除（AEC）、降噪（NS）与自动增益（AGC）在浏览器/App 的接入与质量影响？

A 消除自身扬声器回声，保证双工对话 ✓ 正确答案

B 增大音量

C 压缩音频

D 提高采样率

#

9. 个性化与记忆，声纹、称呼与偏好的持久化如何与隐私合规平衡？

A 无需授权直接存储

B 永久留存

C 单独授权、加密存储、最小化使用并支持删除 ✓ 正确答案

D 与普通偏好同等对待

#

10. 电话机器人/客服语音的意图识别与转人工策略如何设计？

A 仅用户明确要求

B 永不转人工

C 置信度低、情绪激动、多轮未解决、用户要求及高危事项 ✓ 正确答案

D 只按音量大

#

11. 语音仿冒与越权风险，声纹验证、语音克隆滥用检测如何接入语音应用？

A 仅声纹

B 任意

C 声纹验证、活体检测与克隆伪造检测等多层防护 ✓ 正确答案

D 仅录音回放

#

12. 语音助手的打断与多轮指代（"刚才那个"）如何维护会话状态？

A 仅当前轮

B 会话状态中保存的实体与历史 ✓ 正确答案

C 随机猜测

D 音量

#

13. 语音合成的情感与口音，TTS 在情感控制、口音支持与多语言上的选型标准是什么，如何评测自然度

A 仅延迟

B 仅采样率

C 情感表现力与自然度 ✓ 正确答案

D 仅音色单一

#

14. 语音隐私与合规，录音留存、转写文本脱敏与用户同意应如何设计，满足 GDPR/PIPL 与生物特征合规

A 原样无限留存

B 脱敏 PII、最小化用途、限期限留存并支持删除 ✓ 正确答案

C 无需同意

D 只存录音

#

15. 语音 Agent 的评测，意图理解率、任务完成率、语音自然度与打断处理质量应如何分别度量

A 任务完成率，并配合各分层指标定位瓶颈 ✓ 正确答案

B 仅 WER

C 仅 MOS

D 仅延迟

#

16. 语音 Agent 的并发与会话管理，多设备、多会话与状态冲突应如何处理，会话迁移如何实现

A 会话状态序列化并同步到新设备 ✓ 正确答案

B 每设备独立状态

C 丢弃历史

D 无 session_id

#

17. 语音的打断处理，barge-in 检测、半双工/全双工状态机与打断后的上下文恢复应如何设计

A 丢弃原有上下文

B 保留并恢复被打断前的对话状态 ✓ 正确答案

C 重新开始

D 忽略打断

#

18. ASR 实时转写的 partial/final 结果处理，延迟与准确率取舍、热词表与即时纠正？

A 与 final 无区别

B 直接提交关键决策

C 永远丢弃

D 低延迟展示与提前编排，关键决策等 final ✓ 正确答案

#

19. 代码切换与混说，中英混杂、方言夹杂的 ASR 与语言理解如何处理？

A 忽略混说

B 多语言 ASR 加支持混说的语言理解 ✓ 正确答案

C 仅单语言 ASR

D 仅方言