语音前端处理算法工程师

到岗时间：不限 婚况要求：不限 语音前端处理算法工程师（产品创新团队） 【关于角色】 语音前端处理是人机语音交互的首要关卡，原始音频经过采集、增强、端点检测后才能进入识别与理解环节。作为语音前端处理算法工程师，你将专注于麦克风阵列处理、语音增强与鲁棒端点检测等核心模块，让我们的机器人在复杂声学场景下都能稳定拾音、精准激活。解决用户看不见的技术问题，让用户可感知到的是扎实技术带来的流畅自然体验。 【核心责任】 - 研究并实现麦克风阵列波束成形算法（固定波束、自适应波束、子空间法），提升目标语音方向增益 - 开发回声消除（AEC）、噪声抑制（NS）、混响抑制算法，覆盖近讲、远场、运动等多场景 - 设计鲁棒的语音活动检测（VAD）与唤醒词检测模块，降低漏检率与误激活率 - 优化端到端语音前端 pipeline 的实时性与资源占用，满足嵌入式与边缘计算部署要求 - 建立声学场景分类与自适应参数切换机制，针对不同噪声类型动态调整算法策略 - 与语音识别、语音交互团队紧密对接，确保前端输出与后端 ASR/NLU 的信号格式与质量匹配 - 设计客观评估指标体系（PESQ、DNSMOS、STOI、WER 变化量），驱动算法迭代 【基础要求】 - 扎实的信号处理基础：频域分析、自适应滤波、子带处理、空域滤波 - 熟悉主流语音增强方法：维纳滤波、MVDR/MMSE 波束成形、深度学习语音分离（TasNet、DCCRN 等） - 有完整的麦克风阵列系统开发经验 - 精通 Python 和 C/C ，有实时 DSP 算法的工程化与嵌入式移植经验 - 熟悉 WebRTC AudioProcessingModule 或同类工业级前端框架，能进行深度定制 - 了解 DNN-based AEC、NS 等学术与工业前沿方法并有复现经验 【更好】 - 有机器人、智能音箱或车载语音产品中语音前端的量产落地经验 - 熟悉具身机器人的动态噪声场景（电机噪、风噪、移动声场）下的前端鲁棒性设计 - 有 ＯnNX/TensorRT 部署深度学习前端模型的经验 - 熟悉声源定位（DOA）与声源分离（BSS）算法，有多说话人场景的处理经验 - 在 Interspeech、ICASSP 等会议发表过语音前端相关论文