语音算法

自我介绍介绍实习背景、方案、困难解决、效果声纹部分：​聚类任务的目的是什么​为什么不用有监督​框架、模型、自己从头训还是微调、spk数量有多少、标签是真实标注的吗asr部分：​多学生交替会出现吗​sensevoice的结构介绍一下​ctcloss介绍一下​发射文字的位置在哪​为什么会在中间发射​非流式的会在哪个位置发射比赛部分：​最有效的是哪个部分​第一名的方案是什么样的你了解吗​还有什么思路吗实习时间反问：​业务        是不是都用了大模型​base地​

一个小时自我介绍介绍实习介绍sensevoice模型原理介绍ctc， loss是怎么计算的，空白符号的作用传统的asr方案了解吗 hmm gmm dnn 和ctc有什么区别怎么得到时间戳有没分析bad case，怎么解决如何解决多人说话混叠问题（pyannote）sensevoicelarge和small有什么区别sensevoicesmall迁移到large有什么考量encoder，decoder，decoder-only的区别ddp和dp的区别网络训练的流程抽象出来介绍一下dynamic batch了解吗dataset随机采样，不同节点的样本长度不一样怎么解决手撕self-attention介绍注意力机制的原理为什么要除以根号dktransformer cnn lstm的区别cnn不能解决长距离依赖吗（空洞卷积）transformer和lstm推理的过程有什么差异反问组内业务

语音算法的hc少之又少，每个厂基本也就一两个hc，毕竟语音的团队规模我每次问面试官基本都回答5到15个人，还是太难了。牛客上基本没有佬发语音算法相关的帖子，我发一下我的情况给大家做一个参考吧。bg：29，有论文，无实习，无大模型相关经历OC：京东，作业帮，讯飞飞星，思必驰，比亚迪（已拒），中兴（终试），百度（只是打电话说排名靠前，无明确意向）泡池子：滴滴，腾讯音乐二面完成：b站，海康，阿里云(挂)，优酷（挂）一面完成：携程，小米，理想，荣耀(挂)，影石，大疆（挂），蚂蚁（挂），腾讯（挂）还有一堆简历挂笔试挂复筛挂的我个人对语音方向还是有点劝退的，想进字节阿里腾讯这种top大厂应该是很难的（能实习还是去实习好，没实习基本不用想了）。大家报团取暖吧。

10mins1.自我介绍 2.实习周期、出勤、到岗时间3.还有投其他公司吗4.分享一次印象深刻的经历5.平时有什么兴趣爱好吗6.说下自己的优缺点7.有没有压力比较大的情形反问环节

30mins 体验较好 交流 研发总监面1.自我介绍2.介绍实习经历- ​介绍实现原理- ​业务指标上有提升吗- ​微调的数据集是哪些，分别有多少小时，有没背景噪音- ​显卡有多少张，训了多久，用的什么框架- ​介绍模型原理（SenseVoicesmall）- ​rtf是多少- ​有涉及部署吗- ​实习中印象最深刻的是什么- ​会使用docker吗3.介绍项目经历- ​有用在实际生产中吗- ​是使用频谱吗- ​可以识别出是哪种异常吗- ​样本量比较少怎么办4.竞赛经历- ​讲解一下有效的点子- ​哪种数据增强比较好5.八股- python同步和异步函数- python装饰器的作用- FastAPI有了解吗- 同一个问题，动规和递归哪种好- 贝叶斯公式了解吗- 奈氏定理了解吗- Lora了解吗- 位置编码有了解吗  RoPE？- 有没大模型经验6.反问- 组内是做什么业务- 重心是语音合成吗（CosyVoice）

自我介绍介绍实习asr用的模型是自己训的还是用的别人的是不是非流式的有看过麦克风的设计吗有没用到阵列的信息有没做论文介绍项目声音更准还是振动更准振动和声音数据差异大吗用的也是深度学习吗发的论文是英文吗介绍比赛最大工作量是什么实验室人多吗老师的研究方向是什么反问

        不得不吐槽一下，这波操作完全没看懂，我只投了一个志愿，约面也是约的这个，结果到现场开局第一句跟我说调剂到软件开发了？我请问呢，要是早告诉我调剂我就不来了好吧。        不过面试过程还算可以，比较友好的讨论，需要面经的可以私我一下，偏ai语音的。          

20mins 非常友好的交流 1.自我介绍 2.实习经历- 介绍声纹工作- 介绍asr工作- 你的工作上线了吗- 有了解其他多任务模型吗- 论文是你自己调研的吗3.项目经历- 介绍项目经历4.反问- 组内是做什么业务

timeline：投递 2月底笔试：4.13一面：4.21oc：5.9offer：5.13       简单讲一下这段应聘历程吧，一开始了解到yfd是公募基金的行业老大，同时也base广州，也有往届一个师兄去做开发了，就试着投一下，也没觉得能过，毕竟都是大佬卷生卷死的企业。       前面两个月都没消息，一直到4月中才开始发笔试，也很幸运，突击了几套往年试卷，然后就上了，考了70出头，类似行测，也算勉强达标。过了接近一周就开始约面了，线下面，去yfd的广州base地，在一栋大厦里面，环境很好，休息区的外景很惬意，有点想来这里了哈哈。面试官也蛮友好的，唯一难理解的是，约面约的是算法，结果开局第一句说 我们已经招满了 然后把我调剂到软件开发去了？那时候心里都不想面了 但还是抱着来都来了的心态 面完了这场面试，面试都比较中规中矩，没有手撕，需要面经的朋友可以私我。（算法向）        前几天发的offer，是算法的，也是很意想不到啊哈哈，居然过了，不过是暑期实习两周，感觉时间很短，做不出来什么产出，同时也听说yfd暑期巨海，所以应该是要拒了。          

20mins 速通 组内leader面 比较宏观全面的讨论1.自我介绍2.声纹- 介绍一下声纹的难点- 多短算短时- 用的什么框架- 等错误率是什么意义（实际）- 工作有没有上线- 训练用的什么数据集- 后续改进的方向是什么- 模型有多大- 流式还是非流式- vad和声纹的关系3.声音分类- 如何做的声音分类- 有没有在audioset上跑- 有没参加dcase4.语音识别- 用过哪些框架- 介绍一下模型（sensevoicesmall）- encoder有了解吗- decoder有了解吗（没开源）- 模型参数量有多大- 为什么不用流式的模型（介绍业务pipeline）- asr了解其他非大模型的方案吗- 在哪些数据集上训的- 有没处理过数据5.其他- 组里有多少人，分别是做什么的- 为什么想来vivo实习4.反问- 组内是做什么业务- 有没有深圳base

24mins 很友好的交流 1.自我介绍 2.实习经历- 介绍模型原理- 介绍你的工作- 后面落地的工作也是你做的吗- 后续改进的方向是什么- 数据集是什么- 有没模拟数据- 有没做对抗训练3.竞赛经历- 介绍竞赛经历- 可以重复提交吗- 还有什么优化的点（VC增加数据，训练纠错能力）- 怎么没有发论文- 速度扰动对asr效果明显吗4.反问- 组内是做什么业务(智能座舱)

10mins 1.自我介绍 2.介绍部门架构3.导师主要是做什么4.跟其他部门的沟通怎么样5.对公司的氛围期待，公司能给你带来什么6.到这里对工作有什么样的期待7.可以介绍一下比赛大概情况吗反问环节

rt，上周四面的二面，今天周一下午5点多显示流程已经结束，很疑惑啊，感觉表现挺好的        

自我介绍之后问了一些简历关于声纹识别的项目细节之后问了一些技术问题:model.train和model.eval区别，特别是对于batchnorm的影响的区别声音信号经过数字化处理后形成MFCC特征过程傅里叶变换原理torch.nn和torch.nn.functional区别Leetcode 返回最长字符字串整体流程大概一个小时。家人们，这些问题是不是比较刁钻啊...... 现在即使小公司也都问的这么细吗。。。有没有不考leetcode的岗位啊

自我介绍保研的吗你是一直从小到大都是学霸吗为什么选择本院保研为什么会选择做语音用一个词是总结你这几年的学生生涯进来会有什么挑战反问             

2011年，苹果发布Siri，同时在市场上放了一个大大的卫星，号称要打造一个智能语音助理。 思必驰创始人受此影响，也开始进入AI语音对话技术领域创业，经过几年的艰苦奋斗，形成了自己的技术壁垒。 但如今十几年过去了，思必驰这个团队在做的事情却已经让人越来越摸不到门道了。    从智能汽车、智能家电这样的终端设备，到公交、金融、公安、政府这样的行业客户，还自研了会议转写麦克风音箱、语音跟踪摄像头、AI芯片模组，只有我们想不到，就没有他不做的。 2023年大模型开始火起来之后，它还赶时髦发布了自己的大模型，画了好大的一张饼，只是懂行的人都清楚，凭它家2023年6个亿的营收规模，再加上一直以来营收几亿...

岗位名称: AI算法工程师实习生岗位职责：围绕智真视频会议和协作平板两大产品系列，团队主要研究方向包括；1、音频：基于AI及传统算法的语音信号处理、语音增强、远距离拾音、降噪、去混响、回声抵消、声源定位、盲源分离、智能音幕、普通/分布式MIC阵列、网络适应性、编解码等；2、多模态AI：智能助手、语音会控、声像匹配、声纹识别、话源分割、NLP、会议摘要、会议代办、视频标签、知识图谱等；工作地点: 东莞、上海实习有 每月1000 租房补贴各研究方向由技术专家领衔，技术创新氛围浓厚，诚邀优秀的同学加入，一起构筑见频会议领域最强产品竞争力，持续获得商业成功。任职要求：1、了解机器学习、深度学习、语音信号处理、计算机视觉等至少一个技术领域，其中有意从事语音算法者优先考虑;2、计算机、软件或者电子通信等相关专业;3、熟悉C/C++/JAVA/Python至少一种开发语言，熟悉Linux操作系统;4、2026届的国内本硕及海外留学生简历投递：以“姓名-联系方式-院校”的格式为主题，将简历发送至 liutuo11@huawei.com联系方式                  

自我介绍实习经历介绍声纹用的什么框架，什么模型有没对比过其他的架构是自己复现还是基于框架进行优化asr部分的任务目标是什么原理介绍微调之后wer会有什么影响指标提升了多少目前这个工作上线了吗计算量变化有多大遇到了什么数据上的问题有没添加另外的loss使用了多少小时有没考虑加一个celoss有没尝试复现large声纹的数据增强有哪些增强完会认为是同一个人吗声纹的工作有没上线比赛介绍后处理还是模型层面进行优化会不会对正常的语音wer有影响音乐下的asr和时间戳获取有什么提升方式你对哪个框架比较熟悉你有训过icefall吗