音频算法工程师（实习）

优缺点分析

角色解读

• 实习期间表现优秀可转正为正式校招员工，提前锁定offer
• 正式员工后可深耕音频算法或语音AI方向，成为领域专家
• 也可拓展至大模型、多模态等前沿领域，向技术leader发展
• 负责音频信号处理算法的研究与落地，包括环境降噪（ENC/ANC）、音效处理等，设计算法原型并优化参数
• 参与语音智能模型训练，如语音识别、唤醒词检测、语音合成，探索轻量化方案
• 研究音频大模型与生成式AI，涉及多模态大模型和音乐生成，处理数据并评估效果
• 参与智能对话大模型优化，提升LLM在端侧设备上的语义理解和指令遵循能力
• 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）和音频分析开源项目
• 对音频技术有强烈兴趣，具备学习能力和团队协作精神

申请策略

• 申请时表达对音频技术的热情，并说明自己适合的方向
• 关注公司音频产品（如耳机、智能家居），在面试中展示了解
• 突出信号处理相关的项目或论文，如降噪、语音增强等
• 强调编程能力，尤其是Python/C++及深度学习框架使用经验
• 展示音频工具熟练度（Librosa、FFmpeg）和开源贡献
• 如果有比赛经验（如DCASE、声学相关竞赛），务必标注
• 复习信号处理基础，尤其是傅里叶变换和滤波器设计
• 动手实现一个简单的降噪或语音识别demo

面试指南

• 概念题：先给出定义，再结合项目经验说明实际应用
• 算法设计题：分步骤阐述思路，从原理到实现，突出关键难点
• 行为题：STAR法则（情境、任务、行动、结果）
• 请解释傅里叶变换在音频处理中的应用
• 如何设计一个ANC算法？主要考虑哪些因素？
• 描述一次你使用深度学习模型处理音频的经历
• 你了解哪些轻量化模型技术？如何在端侧部署？
• 为什么选择音频算法方向？你对安克创新的音频产品有什么了解？