萤石-音频算法-杭州

优缺点分析

角色解读

• 技术深耕：成为音频算法领域专家，主导核心算法研发
• 管理方向：带领团队负责音频算法模块，晋升为技术经理或架构师
• 横向拓展：结合产品线向智能语音、声学系统等方向延伸
• 负责音频核心算法的开发与优化，包括AGC、AEC、NS等，提升产品音质
• 将算法在Windows、Android、ARM等平台工程化落地，进行性能调优和指令集定点化
• 规划音频3A技术方向，跟踪并落地业界前沿的语音增强和麦克风阵列技术
• 扎实的数字信号处理基础，熟悉AGC、AEC、NS等经典算法原理
• 精通C/C++和Python编程，具备Matlab仿真能力，熟悉常用算法和数据结构
• 有神经网络模型优化和落地经验，了解音频领域的深度学习应用
• 良好的沟通协作能力和技术热情，能独立解决问题

申请策略

• 深入了解萤石网络的产品线（如智能家居摄像头、门铃），面试时可结合产品场景提出算法优化思路
• 关注海康威视和萤石在音频领域的专利和技术文章，展示对公司的兴趣
• 突出音频算法相关项目经验，特别是AGC、AEC、NS等算法落地实例
• 展示神经网络降噪或麦克风阵列的项目成果，量化性能提升指标
• 强调C/C++编程能力和平台适配经验，如ARM定点化、指令集优化
• 体现技术热情和学习能力，如参与开源项目、技术博客或会议论文
• 若缺乏神经网络落地经验，可补充学习深度学习降噪模型（如DCCRN、Conv-TasNet）并尝试在嵌入式平台部署
• 巩固数字信号处理理论知识，尤其是自适应滤波、谱减法等

面试指南

• 对于算法设计题，先阐述原理和常见方法，再结合项目经验说明你的改进和优化点
• 对于工程落地题，强调从模型压缩、定点化、指令集优化到系统集成的完整流程
• 对于开放性问题，展示技术热情和系统性思考，同时承认不足并说明学习计划
• 请详细说明你如何设计一个AGC算法，包括参数选择和性能评估
• 介绍你曾经落地的一个神经网络降噪模型，从数据准备到平台适配的全过程
• 如何优化一个音频算法在ARM平台上的实时性能？
• AEC中的双讲检测（Double Talk Detection）如何处理？
• 你对麦克风阵列波束成形有哪些了解？如何与降噪结合？