AI 数字人直播方向速补（简洁版）

目标：

• 听懂他们在说什么
• 能正常聊技术方向
• 不装专家
• 表达自己能快速学习和落地

1. 这个岗位本质在做什么

核心：

AI + 直播 + 实时互动 + 后台系统

大概率会做：

• 数字人直播
• 弹幕互动
• 礼物互动
• AI 对话
• 运营后台
• 实时控制台

2. 整个直播链路（最重要）

摄像头/数字人
 ↓
OBS
 ↓ RTMP
直播服务器
 ↓
WebRTC / HLS / FLV
 ↓
观众

3. 关键概念

OBS

直播推流软件

作用：

• 采集画面
• 切换场景
• 推流

一句话：

OBS = 主播用来开播的软件

RTMP

直播推流协议

作用：

OBS -> 服务器

特点：

• 稳定
• 常用于推流
• 延迟较高

一句话：

RTMP = 上传直播流

HLS

传统直播播放协议

特点：

• 稳定
• 支持 CDN
• 延迟高（5~20 秒）

一句话：

HLS = 大规模直播观看

WebSocket

实时消息通信

适合：

• 弹幕
• 聊天
• 礼物
• 状态同步

你已经会：

• socket.io
• MQTT 思想类似

一句话：

WebSocket = 实时消息

WebRTC

实时音视频通信

适合：

• 连麦
• 视频通话
• AI 实时互动

特点：

• 超低延迟

一句话：

WebRTC = 实时音视频

4. WebRTC 为什么低延迟

原因：

不切片

HLS：

先切视频文件再播放

WebRTC：

直接传实时数据

UDP 优先

允许少量丢包：

实时性 > 完美画质

缓冲少

WebRTC：

边收到边播放

所以：

延迟通常 100ms~500ms

5. WebRTC 为什么复杂

因为设备之间：

不一定能直接连接

涉及：

• NAT
• 防火墙
• 内网

所以需要：

• STUN
• TURN
• ICE

6. STUN / TURN / ICE

STUN

发现公网地址

一句话：

告诉别人“我是谁”

TURN

中继服务器

直连失败时：

A -> TURN -> B

ICE

负责尝试连接方案

一句话：

ICE = WebRTC 建连调度器

7. WebSocket vs WebRTC

WebSocket

传：

消息

例如：

• JSON
• 聊天
• 弹幕

WebRTC

传：

音视频流

例如：

• 摄像头
• 麦克风

8. FFmpeg 是什么

音视频处理工具

用途：

• 转码
• 推流
• 合并视频
• 截图

一句话：

FFmpeg = 音视频工具箱

9. Agora（声网）

你已经有价值：

实时音视频 SDK 集成经验

行业里很多团队：

• 不自己做 WebRTC
• 直接用 Agora/TRTC

10. 岗位真实需要什么

更像：

AI 产品工程岗

重点：

• 做控制台
• 做实时页面
• 接 SDK
• 联调 AI 服务
• 快速做 demo

不是：

音视频底层研发

11. 面试别装懂

不要装：

• WebRTC 底层
• 编解码
• Python 专家

可以说：

我主力是前端和实时互动方向， 做过 Agora 和 socket.io， 对 AI + 实时互动很感兴趣。

12. 你可以主动问的问题

产品方向

1.

现在更偏 AI 陪伴直播还是互动游戏化？

2.

目前是 demo 阶段还是已经运营？

技术方向

3.

直播链路是自建还是 Agora/TRTC？

4.

WebRTC 主要用于哪些场景？

5.

前端在整个系统里的职责重点是什么？

13. 高频面试简答

WebRTC 为什么低延迟？

不做长缓存和切片， 直接传实时数据， 同时更强调实时性。

WebSocket 和 WebRTC 区别？

WebSocket 传消息， WebRTC 传实时音视频。

STUN 和 TURN 是什么？

STUN 用于发现公网地址， TURN 用于直连失败后的中继转发。

FFmpeg 是什么？

音视频处理工具， 用于转码、推流等。

14. 最后一句

你现在缺的：

不是基础能力

而是：

音视频领域词汇和整体认知

这部分其实很快能补。