### 一、问题拆解演讲陪练和对话陪练是两种完全不同的评估问题对话陪练销售话术、客诉处理评估的是说什么——AI 扮演客户看学员的应对是否得当核心是**内容与策略的匹配**。演讲陪练评估的是怎么说——同样一份 PPT、同一篇讲稿讲得流畅与讲得磕绊是两种结果全程念稿与脱稿转述是两种水平压着时间讲完与超时一半更是天壤之别。核心是**表现与基准的偏离度**。这个差异带来三个全新的工程问题**问题一内容基准从哪来** 对话陪练的基准是标准应对话术通常几句话就够。演讲陪练的基准是这 31 页 PPT 每页应该讲什么——一份 31 页的方案汇报全程应该讲 40 分钟每页都有该覆盖的要点。基准必须做到**页级粒度**否则评估无从谈起。**问题二翻页节奏怎么感知** 现场演讲中讲到哪页了由演讲者翻页决定AI 陪练要跟着学员的节奏走学员说下一页界面要翻页学员第 3 页还没讲完就开始讲第 4 页的内容AI 要知道当前应该停在第 3 页——否则这一页漏讲了的判定全部错位。**问题三表现质量怎么量化** 讲得好不好在人工评委那里是感觉在 AI 这里必须拆成可计算的信号语速每分钟字数、停顿异常长停顿的次数与分布、口头禅密度嗯然后的每分钟频次、脱稿程度演讲内容与 PPT 原文的逐字重合度、时间管控实际时长 vs 预算时长。三个问题对应本文的三个核心模块页级内容基准、翻页感知状态机、多维评分引擎。先看整体架构。### 二、整体架构从五步创建流程到陪练引擎演讲陪练在产品上是一个五步创建流程创建对话剧本 → 演讲稿设置 → 创建评分标准 → 创建陪练计划 → 添加学员。流程背后是四个引擎模块┌──────────────────────────────────────────────────────────────┐│ 陪练创建流程管理端 ││ ① 对话剧本 ② 演讲稿设置 ③ 评分标准 ││ (场景设定) (页级讲稿关键词) (维度/权重/细则) ││ ┌──────────────┐ ┌──────────────┐ ││ │ PPT 解析器 │ │ 评分标准编辑器 │ ││ │ 逐页提取结构 │ │ AI 生成维度 │ ││ └──────┬───────┘ └──────┬───────┘ ││ ┌──────▼───────┐ ┌──────▼───────┐ ││ │ 讲稿生成器 │ │ 细则结构化 │ ││ │ (AI帮写/全篇) │ │ (评分点抽取) │ ││ └──────────────┘ └──────────────┘ │└──────────────────────────┬───────────────────────────────────┘│ 内容基准 评分标准陪练配置┌──────────────────────────▼───────────────────────────────────┐│ 演练执行引擎学员端 ││ ││ ┌──────────┐ ┌──────────────┐ ┌────────────────────┐ ││ │ 流式 ASR │──▶│ 翻页感知 │──▶│ 实时反馈控制器 │ ││ │ 语音流采集 │ │ 状态机 │ │ (漏讲提示/翻页提示) │ ││ └─────┬────┘ └──────┬───────┘ └────────────────────┘ ││ │ │ ││ │ ┌──────▼──────────────────────────────┐ ││ └───────▶│ 多维评分引擎演练结束触发 │ ││ │ 内容覆盖度(50%) × 语言表达(30%) │ ││ │ × 时间管控(20%) │ ││ └─────────────────────────────────────┘ │└──────────────────────────┬───────────────────────────────────┘│┌──────▼─────────────┐│ 评分报告生成 ││ 维度分/雷达图/逐页批注│└────────────────────┘管理端先把考题出好内容基准 评分标准学员端演练时实时感知节奏、结束后整体评分。两侧的关键数据模型如下逐一展开。### 三、页级内容基准PPT 解析与讲稿 关键词双基准设计#### 3.1 PPT 解析器逐页结构提取陪练创建的第一步是把上传的 PPT 解析成逐页结构。解析用 Apache POI.pptx 结构化解析 视觉模型兜底图表类内容转文字描述java/*** PPT 解析器输出页级结构数据*/Servicepublic class PptParser {public ListPptPage parse(InputStream pptStream) {XMLSlideShow ppt new XMLSlideShow(pptStream);ListPptPage pages new ArrayList();int index 1;for (XSLFSlide slide : ppt.getSlides()) {PptPage page new PptPage();page.setPageIndex(index);page.setTitle(extractTitle(slide)); // 页标题page.setBulletPoints(extractBullets(slide)); // 要点列表page.setTables(extractTables(slide)); // 表格数据page.setNotes(extractNotes(slide)); // 备注页如有page.setImageCount(countImages(slide));// 图表/复杂图形截图后走视觉模型生成文字描述if (page.getImageCount() 0 || hasCharts(slide)) {page.setVisualDescription(visionModel.describe(renderSlideToImage(slide)));}pages.add(page);}return pages;}}/*** 解析出的页结构*/Datapublic class PptPage {private Integer pageIndex;private String title; // 产品背景private ListString bulletPoints; // 要点private ListTableData tables;private String notes; // PPT 备注栏private String visualDescription; // 图表的文字描述private Integer imageCount;}**视觉模型兜底是必要的**方案汇报类 PPT 大量使用图表架构图、数据图纯文本解析会漏掉这些页的核心信息。渲染成图片后用视觉模型生成本页展示的是三层系统架构包含接入层/服务层/数据层这类描述讲稿生成和评分时都用得上。#### 3.2 双基准设计演讲稿 关键词演讲稿设置界面为每页提供两个输入**演讲稿**该页应该讲什么2000 字上限和**关键词**逗号分隔的必须命中的要点。这不是两个冗余字段而是两种互补的评估基准java/*** 页级内容基准双基准模型** 演讲稿Script语义基准 —— 评分时做整体语义对齐* 判断讲的内容对不对、全不全* 关键词Keywords点命中基准 —— 评分时做精确命中检查* 判断关键点有没有讲** 设计动机* - 只有讲稿语义相似度对关键术语漏讲不敏感* 学员讲了一大段相关但无关痛痒的话语义分不低* - 只有关键词无法评估内容的连贯性和完整性*/Datapublic class PageContentBaseline {private Integer pageIndex;/** 演讲稿语义基准 */private String script; // 该页的标准讲稿/** 关键词命中基准 */private ListString keywords; // 必须覆盖的关键要点/** 预计讲解时长秒—— 讲稿字数 / 语速换算用于时间预算 */private Integer estimatedDurationSec;public void calculateDuration() {// 中文演讲语速基准200-240 字/分钟int charCount script.replaceAll(\\s, ).length();this.estimatedDurationSec charCount / 4; // 约 240字/分 → 4字/秒}}**时间预算从讲稿推导**每页讲稿按 240 字/分钟换算出预计讲解时长全篇累加就是这场演讲的时间预算——评分标准里的时间管控维度规定时长内完成、超时扣分就有了客观基准而不是拍脑袋定一个总时长。#### 3.3 讲稿生成器AI 帮写与AI 写全篇讲稿31 页 PPT 每页都手写讲稿对管理者是不小的负担。产品提供两级 AI 辅助单页AI 帮写按页触发可逐页调整和AI 写全篇讲稿一键生成全部。java/*** 讲稿生成器** 两种触发粒度* 1. 单页生成AI帮写只看当前页 全局上下文摘要* 2. 全篇生成AI写全篇讲稿带前后页语境的连贯生成*/Servicepublic class ScriptGenerator {/*** 单页讲稿生成* 上下文策略当前页完整信息 前后页标题保持衔接 演讲整体信息*/public String generatePageScript(ScriptGenRequest req) {PptPage current req.getCurrentPage();String prevTitles joinTitles(req.getPages(), current.getPageIndex() - 2, 2);String nextTitles joinTitles(req.getPages(), current.getPageIndex(), 2);return llmClient.chat(String.format(你是一位资深演讲教练。请为 PPT 的指定页面撰写演讲稿。## 演讲信息- 演讲主题%s如甲方方案汇报- 听众%s- 总页数%d当前页第 %d 页- 前两页标题%s衔接上文用不要重复讲- 后两页标题%s为下文铺垫## 当前页内容- 页标题%s- 要点%s- 图表描述%s- PPT备注%s## 撰写要求1. 口语化演讲风格是说出来的话不是书面文档2. 覆盖所有要点图表页要讲图描述图表说明什么问题3. 开头自然承接上一页结尾为下一页做钩子4. 长度%s 字左右按语速 %d 字/分钟 × 本页预算 %d 秒换算5. 用户如有补充指令优先遵循%s只输出讲稿正文。,req.getSpeechTitle(), req.getAudience(),req.getTotalPages(), current.getPageIndex(),prevTitles, nextTitles,current.getTitle(), String.join(, current.getBulletPoints()),defaultString(current.getVisualDescription()), defaultString(current.getNotes()),req.getTargetCharCount(), 240, req.getEstimatedDurationSec(),defaultString(req.getUserInstruction())));}/*** 全篇讲稿生成逐页生成但带已生成讲稿的尾部上下文** 为什么不一次生成全部* - 31 页 × 300 字 9300 字单次生成质量衰减明显后几页明显敷衍* - 逐页生成可以逐页控制长度按各页时间预算* - 用户体验生成过程逐页落库可中断、可从某页重新生成*/public void generateFullScript(Long trainingId) {ListPptPage pages pptRepo.getPages(trainingId);DequeString recentTails new ArrayDeque(3); // 最近3页讲稿的结尾for (PptPage page : pages) {ScriptGenRequest req buildRequest(trainingId, page).withRecentContext(recentTails); // 注入前文尾部保证衔接String script generatePageScript(req);baselineRepo.saveScript(trainingId, page.getPageIndex(), script);recentTails.addLast( StringUtils.abbreviate(script, 100) );if (recentTails.size() 3) recentTails.pollFirst();// 逐页推送前端流式体验编辑器里逐页填充sseEmitter.push(trainingId, page.getPageIndex(), script);}}}**全篇生成为什么不一次生成** 这是实践中验证过的决策长文本单次生成时模型对后段内容的投入度明显下降第 25 页之后的讲稿会变得模板化。逐页生成 尾部上下文注入最近三页讲稿的结尾既保证了页间衔接又让每页都获得完整的模型注意力。代价是 31 次 LLM 调用但可以并行化只有承接关系存在时串行用小上下文并行 后处理校验衔接。**关键词生成**与讲稿同源——从讲稿中抽取该页的 3-8 个核心要点产品名、数字、关键概念供管理者确认或修改。管理者的修改权重高于 AI改过的关键词在后续重新生成讲稿时作为约束注入。### 四、翻页节奏感知双触发的状态机演练执行时引擎必须知道现在讲到第几页。这是所有页级评估的前提。#### 4.1 翻页状态机翻页采用**显式指令 内容感知**双触发┌─────────────────────────────┐│ PageState 状态机第 N 页 │└─────────────────────────────┘┌──────────┐ 显式指令 ┌──────────┐ 显式指令 ┌──────────┐│ 第 N 页 │──────────▶│ 第 N1 页 │──────────▶│ 第 N2 页 ││ SPEAKING │ 下一页 │ SPEAKING │ │ │└────┬─────┘ └──────────┘ └──────────┘││ 内容完成度 ≥ 90% 且停顿 2s隐式信号▼┌──────────┐ 学员内容跳跃讲到下一页的标题/关键词│ 翻页建议 │────────────────────────────────────┐│ (浮层提示) │ │└──────────┘ ▼自动跟随翻页java/*** 翻页感知状态机** 双触发设计* 1. 显式触发学员说下一页/翻页/过——语音指令关键词命中* 2. 隐式触发内容完成度达标 自然停顿 → 弹建议翻页提示* 不自动翻把控制权留给学员——真实演讲也是自己翻页** 特殊处理内容跳跃跟随 —— 学员开始讲下一页的标题/关键词时* 状态机自动跟随到下一页演讲者忘了翻页是真实高频场景*/Servicepublic class PageTurnStateMachine {private static final ListString TURN_COMMANDS Arrays.asList(下一页, 翻页, 下一张, 过, next, next page);/** 当前页状态 */private int currentPage 1;private ListPageContentBaseline baselines;/*** 处理流式 ASR 的新增文本片段*/public PageTurnEvent onTranscriptDelta(String delta, long timestampMs) {// 1. 显式翻页指令检测if (containsTurnCommand(delta)) {return turnToPage(currentPage 1, TurnTrigger.EXPLICIT);}// 2. 内容完成度检测当前页关键词命中 语义覆盖double coverage coverageCalculator.computeIncremental(currentPage, delta);if (coverage 0.9 isLongPause(timestampMs)) {// 内容讲完 停顿建议翻页浮层提示不强制return PageTurnEvent.suggestTurn(currentPage);}// 3. 内容跳跃跟随新文本与下一页的关键词/标题高度匹配if (matchesNextPageContent(delta)) {return turnToPage(currentPage 1, TurnTrigger.CONTENT_JUMP);}return PageTurnEvent.none();}private boolean matchesNextPageContent(String delta) {PageContentBaseline next baselines.get(currentPage); // 下一页if (next null) return false;// 命中下一页标题或 ≥2 个关键词 → 判定为内容跳跃boolean titleHit delta.contains(next.getPageTitle());long keywordHits next.getKeywords().stream().filter(delta::contains).count();return titleHit || keywordHits 2;}}**内容跳跃跟随是体验的关键细节**真实演练中演讲者讲到兴头上忘了翻页是高频事件——学员已经开讲第二部分产品能力界面还停在第 5 页。状态机检测到新文本命中下一页的标题/关键词时自动跟随页级评估的锚点就不会错位。而显式指令永远优先——学员说下一页立即翻无论内容完成度多少回练某页时学员会主动跳页。#### 4.2 页级时间轴的沉淀翻页事件与 ASR 时间戳共同沉淀出页级时间轴评分阶段消费json{practiceId: p_20261014_001,totalDurationSec: 2380,pageTimeline: [{ page: 1, startMs: 0, endMs: 62000, durationSec: 62 },{ page: 2, startMs: 62000, endMs: 118000, durationSec: 56 },{ page: 3, startMs: 118000, endMs: 285000, durationSec: 167 }],turnEvents: [{ page: 2, trigger: EXPLICIT, atMs: 62000 },{ page: 3, trigger: CONTENT_JUMP, atMs: 118000 }]}### 五、多维评分引擎产品评分标准的技术化评分标准创建界面定义了演讲陪练的评分体系——以甲方方案汇报为例的三个维度| 维度 | 权重 | 评分细则界面原文摘录 ||------|------|------------------------|| 内容掌握程度 | 50% | 熟悉度15分不逐字念PPT能脱稿/用自己语言转述不卡顿、不频繁看幻灯片。重点把控12分能识别PPT核心信息…… || 语言表达与呈现 | 30% | 语言表达12分吐字清晰、语速适中专业术语准确口语流畅无大量口头禅嗯、然后。语气感染力10分节奏有变化…… || 时间管控 | 20% | 按时完成在规定时长内完成汇报。轻微超时酌情扣分超时较多大幅扣分提前过多收尾、内容仓促也扣分。超时≤30s…… |这个评分体系的技术挑战在于**界面上的细则是给人看的自然语言评分引擎需要把它转成可计算的规则。** 我们的方案是细则结构化——创建评分标准时把自然语言细则抽取成评分点 计算方式的结构化规则。#### 5.1 评分标准的数据模型java/*** 评分维度*/Datapublic class ScoringDimension {private String name; // 内容掌握程度private Double weight; // 0.5权重 50%private ListScoringPoint points;}/*** 评分点自然语言细则 → 结构化规则** 每个评分点绑定一个或多个信号计算器* 引擎运行时按计算器输出打分。*/Datapublic class ScoringPoint {private String description; // 不逐字念PPT能脱稿/用自己语言转述private Double maxScore; // 15/** 计算器类型引擎按此路由到对应的信号算法 */private SignalCalculatorType calculator;// SCRIPT_DEPENDENCE - 脱稿程度讲稿逐字重合度// KEYWORD_COVERAGE - 关键词覆盖度// SPEECH_RATE - 语速区间// FILLER_DENSITY - 口头禅密度// PAUSE_ANOMALY - 异常停顿// TERM_ACCURACY - 专业术语准确ASR 置信度 术语表比对// TIME_BUDGET - 时间管控// RHYTHM_VARIATION - 节奏变化可选需较长时间轴/** 计算器参数如语速区间 180-260 字/分 */private MapString, Object params;}#### 5.2 AI 生成评分维度细则到规则的自动转换产品支持AI 生成评分维度——输入演讲主题AI 输出维度、权重和细则。生成时同步产出结构化规则人工校对后生效java/*** 评分标准 AI 生成器** 关键设计让 LLM 一次性产出自然语言细则 结构化规则对* 人工校对自然语言时同步看到规则映射避免规则与细则脱节。*/Servicepublic class ScoringStandardGenerator {public ScoringStandardDraft generate(String speechTitle, String audience,Integer totalPages,Integer plannedDurationMin) {String prompt String.format(你是一位企业演讲培训专家。请为以下演讲场景设计评分标准。## 演讲信息- 主题%s- 听众%s- PPT 页数%d 页- 规定时长%d 分钟## 要求1. 设计 3-4 个评分维度权重合计 100%%。典型维度内容掌握程度、语言表达与呈现、时间管控——可按演讲类型调整述职汇报侧重逻辑产品发布侧重感染力2. 每个维度下 2-4 个评分点标注该点的满分。3. 每个评分点的细则用自然语言描述给培训管理员看同时指定对应的计算器类型和参数给评分引擎用。## 可用计算器类型SCRIPT_DEPENDENCE脱稿度讲稿逐字重合度越低越好KEYWORD_COVERAGE关键词覆盖页级关键词命中率SPEECH_RATE语速字/分钟参数给 [min, max] 区间FILLER_DENSITY口头禅嗯/然后/那个 的每分钟频次PAUSE_ANOMALY异常停顿超过 N 秒的停顿次数TIME_BUDGET时间实际 vs 预算的偏离规则TERM_ACCURACY术语准确ASR 低置信片段占比 术语表比对## 输出 JSON{dimensions: [{name: 内容掌握程度,weight: 0.5,points: [{description: 熟悉度不逐字念PPT能脱稿/用自己的语言转述不卡顿、不频繁停顿,maxScore: 15,calculator: SCRIPT_DEPENDENCE,params: { verbatimThreshold: 0.6, minParaphraseRatio: 0.7 }}]}]}, speechTitle, audience, totalPages, plannedDurationMin);LlmResponse resp llmClient.chat(prompt, Map.of(temperature, 0.4));return parseDraft(resp.getContent());}}**为什么让 AI 同时输出细则和规则** 如果只生成自然语言细则、再靠人工映射计算器31 页 × 多维度的映射工作没人愿意做。让 LLM 在生成细则时就指定计算器类型从枚举里选规则与细则天然绑定人工校对变成确认而非翻译。#### 5.3 信号计算器五个核心算法评分引擎运行时按页级时间轴 全程 ASR 转写计算各信号java/*** 信号计算器实现核心五个*/Servicepublic class SignalCalculators {/*** 1. 脱稿程度SCRIPT_DEPENDENCE** 原理把学员的转写文本与该页讲稿做 n-gram 重合度分析。* - 3-gram 重合度 0.6存在大段逐字背诵/念稿* - 关键指标n-gram 覆盖率讲稿的 3-gram 有多少出现在学员语音里* - 区分转述与背诵语义相似度高 n-gram 重合度低 好的脱稿*/public double calcScriptDependence(String transcript, String script) {SetString scriptTrigrams ngrams(script, 3);SetString spokenTrigrams ngrams(transcript, 3);// 讲稿 trigram 在学员语音中的出现比例越高越像念稿double verbatimRatio (double) countOverlap(scriptTrigrams, spokenTrigrams)/ scriptTrigrams.size();// 语义相似度转述是否保留了讲稿的内容double semanticSim embeddingClient.similarity(embeddingClient.embed(transcript),embeddingClient.embed(script));// 脱稿分 语义保持 × (1 - 逐字比例)// 内容讲对了但用自己的话 满分内容对但逐字背诵 中等内容不对 低分return semanticSim * (1 - normalize(verbatimRatio));}/*** 2. 关键词覆盖度KEYWORD_COVERAGE** 按页计算该页的关键词在对应页时间段内的命中比例。* 时间归属很重要——第 5 页的关键词在第 3 页讲了不算命中。*/public double calcKeywordCoverage(PracticeSession session) {int totalKeywords 0, hitKeywords 0;for (PageTimelineSegment seg : session.getPageTimeline()) {PageContentBaseline baseline session.getBaseline(seg.getPage());String segTranscript session.getTranscriptBetween(seg.getStartMs(), seg.getEndMs());for (String keyword : baseline.getKeywords()) {totalKeywords;if (segTranscript.contains(keyword)) {hitKeywords;} else {// 精确 miss 后做同义词/形态变体匹配if (synonymMatcher.match(segTranscript, keyword)) {hitKeywords;} else {session.recordMissedKeyword(seg.getPage(), keyword);}}}}return totalKeywords 0 ? 1.0 : (double) hitKeywords / totalKeywords;}/*** 3. 语速SPEECH_RATE** 有效语速剔除停顿后的说话时间内每分钟字数。* 演讲推荐区间 180-260 字/分钟界面细则语速适中的量化。*/public double calcSpeechRate(PracticeSession session) {long speechTimeMs session.getTotalDurationMs() - session.getTotalPauseMs(1000);int charCount session.getTranscript().replaceAll(\\s, ).length();double charsPerMin charCount / (speechTimeMs / 60000.0);// 区间评分180-260 满分线性衰减到区间外if (charsPerMin 180 charsPerMin 260) return 1.0;if (charsPerMin 180) return Math.max(0, charsPerMin / 180.0);return Math.max(0, 1 - (charsPerMin - 260) / 120.0); // 380字/分 → 0分}/*** 4. 口头禅密度FILLER_DENSITY** 嗯、然后、那个、就是说 的每分钟频次。* 依赖 ASR 的词级时间戳或逐句转写按句统计。* 基准≤2 次/分钟 满分≥8 次/分钟 零分线性插值。*/public double calcFillerDensity(PracticeSession session) {ListString fillers Arrays.asList(嗯, 呃, 然后, 那个, 就是说, 这个);long fillerCount 0;for (AsrSentence sentence : session.getSentences()) {for (String filler : fillers) {fillerCount countOccurrences(sentence.getText(), filler);}}double perMinute fillerCount / (session.getTotalDurationMs() / 60000.0);return clamp01(1 - (perMinute - 2) / 6.0);}/*** 5. 时间管控TIME_BUDGET** 对应界面细则轻微超时酌情扣分超时较多大幅扣分* 提前过多收尾、内容仓促也扣分** 量化规则* - |偏离| ≤ 5%满分正常节奏浮动* - 超时 5%-15%线性扣分至 60%* - 超时 15%线性扣分至 20%* - 提前 15%讲太快/漏内容线性扣分至 30%* 提前收尾会连带触发内容覆盖度扣分双重信号定位仓促*/public double calcTimeBudget(long actualMs, long plannedMs) {double deviation (double) (actualMs - plannedMs) / plannedMs;if (Math.abs(deviation) 0.05) return 1.0;if (deviation 0) {// 超时if (deviation 0.15) return 1 - (deviation - 0.05) / 0.10 * 0.4;return Math.max(0.2, 0.6 - (deviation - 0.15) * 1.0);} else {// 提前double early -deviation;if (early 0.15) return 1 - (early - 0.05) / 0.10 * 0.3;return Math.max(0.3, 0.7 - (early - 0.15) * 0.8);}}}**提前收尾也扣分的设计与产品细则一致且必要**只罚超时不罚提前学员的最优策略就变成飞快念完。提前收尾触发双信号——时间管控扣分 内容覆盖度下降漏讲导致关键词 miss两个维度交叉印证内容仓促。#### 5.4 总分合成与评分报告java/*** 总分合成维度加权 LLM 总评生成*/Servicepublic class ScoreComposer {public PracticeReport compose(PracticeSession session) {double totalScore 0;for (ScoringDimension dimension : session.getScoringStandard().getDimensions()) {double dimensionScore 0;for (ScoringPoint point : dimension.getPoints()) {// 路由到对应计算器double signal calculatorRegistry.get(point.getCalculator()).calculate(session, point.getParams());dimensionScore signal * point.getMaxScore();}totalScore dimensionScore * dimension.getWeight();}// LLM 生成总评与逐页批注人话版的反馈String commentary generateCommentary(session, totalScore);return PracticeReport.builder().totalScore(totalScore).dimensionScores(calcDimensionBreakdown(session)).missedKeywords(session.getMissedKeywords()) // 漏讲要点清单逐页.fillerStatistics(session.getFillerStats()).pageTimeline(session.getPageTimeline()).commentary(commentary).build();}/*** 总评生成数字分 → 有指导价值的人话* 界面总评字段如熟悉方案不念PPT能抓住重点……* 是给合格表现的描述模板AI 总评对齐这个风格*/private String generateCommentary(PracticeSession session, double score) {return llmClient.chat(String.format(你是一位资深演讲教练。请基于以下评估数据为学员的演练写一段总评。## 评估数据- 总分%.1f / 100- 各维度得分%s- 漏讲关键词按页%s- 口头禅频次%.1f 次/分钟- 语速%.0f 字/分钟- 时间实际 %d 分钟 / 预算 %d 分钟- 翻页方式分布%s## 要求1. 先一句话总体定性达到了什么水平2. 指出 1-2 个最突出的优点有数据支撑3. 指出 1-2 个最需要改进的问题每个问题给出具体的改进动作如第 12 页漏讲了成本对比这个关键点建议在讲完竞品分析后主动引到成本话题——要具体到页码和关键词不要说加强重点把控4. 全文 150 字以内语气是教练而不是考官,score, formatDimensions(session),formatMissedKeywords(session),session.getFillerStats().getPerMinute(),session.getSpeechRate(),session.getActualDurationMin(), session.getPlannedDurationMin(),formatTurnTriggers(session)));}}### 六、实时反馈架构流式 ASR 双通道演练进行中的实时提示翻页建议、漏讲提醒和结束后的整体评分对语音识别的要求不同——前者要快秒级后者要准整段重识别。我们采用双通道学员语音 ──┬──▶ 实时通道流式 ASR ──▶ 翻页状态机 / 实时提示│ Web RTC 采集 → 云端流式识别延迟 300-800ms│└──▶ 离线通道整段音频留存 ──▶ 演练结束后录音文件识别词级时间戳、标点、数字归一化全开评分更准**为什么评分用离线通道重跑** 流式识别为了低延迟做了很多妥协无标点、时间戳精度低、长句切分随意直接影响填充词统计和停顿检测的准确度。离线通道的录音文件识别提供词级时间戳和完整标点是 FillerDensity、PauseAnomaly 这些细粒度信号的正确数据源。两个通道的成本可以接受——流式按分钟计费离线识别只对演练录音跑一次。实时提示的打扰度控制在产品层有明确规则翻页建议用浮层视觉信号不插入语音漏讲提醒**只在翻页前一刻**出现该页即将结束但你还有 2 个关键词没讲——给学员一次补救机会而不是全程打断口头禅、语速问题只在结束报告中反馈演讲中纠正这些会严重干扰节奏。### 七、效果数据与总结这套演讲陪练引擎在内测阶段的关键数据以 31 页甲方方案汇报演练为例| 指标 | 数值 ||------|------|| 陪练创建耗时 | 上传 PPT AI 全篇讲稿 AI 评分标准约 15 分钟 || 演练时长 | 中位数 38 分钟预算 40 分钟 || 翻页判定准确率 | 显式指令 100%内容跳跃跟随 P95 准确错位多发生在关键词跨页复用时 || 漏讲关键词检出率 | 与人工标注对比 91% || 脱稿度评分合理性 | 与 3 位人工评委的相关系数 0.82 || 口头禅检出 | ASR 标点修复后误报率 8% || 评分-报告产出延迟 | 演练结束后 ≤ 90 秒 |企学宝技术团队总结的四条核心经验**内容基准做双基准讲稿 关键词是评分可信的前提。** 语义对齐管讲得全不全关键词命中管要点漏没漏——只用其一都会出现明显的评估盲区。页级时间轴 关键词的时间归属判定第 5 页的关键词必须在第 5 页的时间段里讲是双基准落地的关键工程细节。**评分标准的技术化本质是自然语言细则 → 结构化规则的转换。** 让 AI 生成细则时同步生成计算器映射人工从翻译规则降级为确认规则这套流程让企业培训管理员非技术角色也能搭建可计算的评分体系。信号计算器的枚举是有限的七八个但组合出的评分标准是无限的。**翻页感知要把控制权留给学员。** 显式指令永远优先、隐式信号只建议不强制、内容跳跃自动跟随但记录触发方式——真实演讲中翻页权在演讲者手里陪练系统应该模拟这种真实感同时在报告里反映3 次翻页都是内容跳跃触发的这类行为信号。**实时提示的价值在少而准而不是多而全。** 演练场景中任何打断都会破坏心流。翻页建议用视觉浮层、漏讲提醒只在页尾出现一次、表达类问题一律留到报告——克制的信息策略反而让学员信任并依赖这些提示。演讲陪练与对话陪练共用同一个剧本陪练底盘会话管理、学员分配、练习计划差异全部收敛在内容基准模型 评估管道这一层——这也是引擎架构上最重要的约束新场景的接入成本应该体现在配置里而不是新系统里。