数字人面试是一个典型的多技术栈融合场景核心链路是听懂 → 想清楚 → 说出来 → 演出来。先看一张整体架构图以上就是数字人面试的完整技术栈拆解。补充几个落地时容易被低估的难点打断与抢话候选人中途插话时数字人要停止播报并切回倾听状态——这需要 ASR/VAD 与 TTS 播放器的双向状态同步是像不像真人的分水岭。延迟预算分配端到端 1.5s 内通常 ASR 尾点确认 ~300ms、LLM 首 token ~400ms、TTS 首包 ~200ms、口型驱动合帧 ~300ms任何一环超时都会尬场。评估的可信度AI 打分存在偏差风险口音、表达风格干扰评分成熟方案会做人工抽检校准 评分一致性回测。合规红线情绪识别、生物特征在国内属敏感个人信息处理需单独告知并取得同意面试报告用于淘汰决策时还要保留人工复核通道。