面试问题 1：请介绍车载语音唤醒的难点，以及如何降低误唤醒率？

面试官考察点

• 是否理解唤醒在低功耗、实时性与误唤醒之间的权衡。
• 是否掌握唤醒词定制、声学模型、VAD 与后处理策略。
• 能否用数据指标（唤醒率、误唤醒次数/24h）量化结果。

回答框架

1. 定义指标：唤醒率、误唤醒率、响应延迟、功耗。
2. 技术链路：麦克风阵列 → VAD → 唤醒模型 → 二次确认。
3. 降误唤醒：负样本挖掘、置信度阈值、上下文过滤、多模态融合。
4. 数据闭环：线上误唤醒回流、badcase 标注、模型迭代。

简短示例回答

车载唤醒要在低功耗下兼顾高唤醒率和低误唤醒。我们采用“VAD+小模型唤醒+二次确认”三级链路，通过负样本挖掘和置信度动态阈值，把误唤醒从每天3次降到0.5次，唤醒率保持95%以上，并建立线上回流闭环持续优化。

可能追问

• 唤醒词可以自定义吗？如何快速适配新唤醒词？
• 车内多人对话时，如何避免误唤醒？
• 唤醒模型在端侧还是云端？功耗如何优化？

避坑提醒

• 不要只谈模型结构，忽略功耗和实时性约束。
• 避免说“误唤醒无法避免”，要给出具体策略和指标。
• 不要混淆唤醒率和识别率，两者指标定义不同。

面试官考察点

• 是否理解车载声学环境：噪声、混响、回声、双讲。
• 能否说清降噪、AEC、波束形成在信号链中的位置与作用。
• 是否具备用信噪比、ERLE、识别率等指标评估的能力。

回答框架

1. 信号链：麦克风阵列 → 波束形成 → AEC → 降噪 → 识别。
2. 核心难点：双讲时 AEC 非线性残留、噪声突变、混响。
3. 优化手段：自适应滤波、深度学习降噪、多麦克风融合。
4. 评估指标：ERLE、PESQ、字准率、唤醒率提升。

简短示例回答

车载远场识别中，AEC 和降噪直接决定信噪比。我们采用波束形成+自适应AEC+深度学习降噪的级联方案，重点优化双讲下的非线性残留。通过 ERLE 和字准率联合调参，在 60km/h 噪声下识别率从 82% 提升到 93%，双讲打断成功率也明显改善。

可能追问

• AEC 的延迟如何控制？对唤醒有什么影响？
• 深度学习降噪和传统谱减法如何取舍？
• 如何评估降噪对语音识别端到端的影响？

避坑提醒

• 不要只讲算法名称，要讲清信号链顺序和相互影响。
• 避免忽略双讲场景，这是车载 AEC 的最大难点。
• 不要只谈主观听感，要给出客观指标和识别率数据。

面试官考察点

• 是否理解对话状态跟踪（DST）和上下文继承机制。
• 能否处理指代消解、省略恢复、话题切换与打断。
• 是否具备对话管理策略设计与异常兜底能力。

回答框架

1. 上下文管理：对话状态栈、槽位继承、指代消解。
2. 打断机制：VAD 检测、快速停止播报、新意图优先。
3. 多轮策略：澄清、确认、纠错、超时退出。
4. 评估：任务完成率、平均轮次、打断响应时间。

简短示例回答

多轮对话核心是对话状态跟踪和上下文继承。我们用状态栈保存槽位，支持指代消解和省略恢复；打断方面通过 VAD 实时检测，200ms 内停止播报并切换新意图。同时设计澄清和超时退出策略，任务完成率提升到 88%，平均轮次降到 2.3 轮。

可能追问

• 用户说“不是这个”时，如何快速纠错？
• 多轮对话中如何避免上下文污染？
• 打断后旧任务如何恢复或取消？

避坑提醒

• 不要只讲 NLU，忽略对话管理和状态跟踪。
• 避免说“打断就是停止播放”，要讲清意图切换和任务恢复。
• 不要忽略异常兜底，如超时、重复、无法理解。