语音 AI 口试：两届实践、工程故障与评分效度边界

摘要

两届73人的实践显示运行可行性，但模型彼此一致还不能证明评分正确。

本文初稿3月发布，本轮阅读7月26日v3：系统修复了部分连环提问与抽题偏差，但打断思考仍存在。

作者区分订阅内评分边际费用与完整语音成本，并明确尚未做盲法专家评分验证或群体公平性分析。

单课程两届，多个改动同时发生；2025博客并入同一研究链。