音频算法工程师实习生（北京）

优缺点分析

角色解读

• 实习转正后，可深入音频算法或大模型方向，成为核心技术骨干
• 向音频算法专家或AI技术负责人方向发展，积累端侧部署与优化经验
• 参与安克创新全球化产品，未来可转向产品技术管理或跨领域AI应用
• 负责音频算法（如降噪、语音识别）的研究与落地，从原型设计到设备端部署全流程参与
• 参与语音智能模型的训练与优化，包括ASR、TTS等，探索轻量化实时推理方案
• 跟进音频大模型、对话大模型等前沿方向，进行数据处理、模型训练与效果评估
• 针对端侧IoT设备，研发轻量化大模型，提升交互体验
• 扎实的数学和信号处理基础，熟悉傅里叶变换、滤波器设计
• 熟练掌握Python或C/C++，有TensorFlow/PyTorch模型开发经验
• 了解音频处理工具如Librosa、FFmpeg，具备音频相关项目经验
• 对AIGC、大模型有兴趣，有相关研究或比赛经验更佳

申请策略

• 在简历中体现对音频算法的热情，如开源贡献、技术博客
• 关注安克创新秋季校招时间，实习期间积极表现争取转正
• 突出音频相关项目经历，如降噪、语音识别竞赛或科研论文
• 强调Python/C++编程能力及TensorFlow/PyTorch使用经验
• 如有大模型或生成式相关经验（如LLM、多模态），重点展示
• 展示信号处理基础知识，如滤波器设计、FFT等数学功底
• 补充Librosa、FFmpeg等音频工具的使用
• 了解轻量化模型技术（剪枝、量化、蒸馏）和端侧部署框架

面试指南

• 技术问题：先给出定义或原理，再结合实际项目经验说明，最后总结局限或优化方向
• 项目经验：用STAR法则（情境、任务、行动、结果）组织，重点突出技术创新和量化成果
• 开放性讨论：展示学习热情和知识广度，结合安克产品场景提出想法
• 请解释什么是主动降噪（ANC）和被动降噪，它们的优缺点？
• 描述你使用PyTorch训练模型时遇到的过拟合问题及解决方法
• 你如何理解端侧模型轻量化？有哪些技术手段？
• 请介绍一个你参与过的音频相关项目，你在其中的贡献
• 谈谈你对音频大模型（如AudioGPT）的了解