語(yǔ)音/音頻算法工程師的前景如何

本人從研究生開始學(xué)習(xí)語(yǔ)音頻信號(hào)處理到工作中實(shí)際的工程實(shí)踐 ， 至今已經(jīng)七年多了 ， 這跟 ” 七年之癢 ” 真的沒(méi)有關(guān)系 ， 主要是一方面最近比較空閑 ， 有時(shí)間做些總結(jié)和規(guī)劃 ， 另一方面也是為準(zhǔn)備從事這個(gè)職業(yè)或者正在從事這個(gè)職業(yè)的新手們提供一點(diǎn)參考 ， 當(dāng)然一家之言 ， 歡迎大家交流討論 ， 尤其希望那些資深人士不吝指點(diǎn) 。

1 、涉及的方向

1 ）語(yǔ)音、音頻編解碼算法

已經(jīng)成熟地商業(yè)化、產(chǎn)品化，壓縮碼率和音質(zhì)總是一對(duì)冤家，只有一些特殊的存儲(chǔ)和通信應(yīng)用會(huì)要求低碼率，更多的是追求高品質(zhì)的音質(zhì)，例如高清音質(zhì)。

2 ）語(yǔ)音識(shí)別算法

做過(guò)一年半，初步了解識(shí)別率受多種因素影響，技術(shù)本身還需要在抗干擾等方面進(jìn)一步發(fā)展，目前只有一些特殊場(chǎng)合的應(yīng)用產(chǎn)品化，作為人機(jī)交互的大規(guī)模應(yīng)用還有一段路要走。

3 ）語(yǔ)音合成算法

這個(gè)沒(méi)有接觸核心技術(shù)，不妄加評(píng)論，反正據(jù)說(shuō)科大訊飛在這個(gè)方向非常強(qiáng)。

4 ）語(yǔ)音增強(qiáng)算法

這個(gè)沒(méi)有接觸核心技術(shù)，感覺(jué)回聲消除、降噪處理等還是很有用處。

5 ）語(yǔ)音信號(hào)分析

主要一些特殊應(yīng)用需求，如智能玩具、軍工等。

6 ）音頻特征提取和檢索

音樂(lè)哼唱和音樂(lè)檢索，以及音頻的特殊應(yīng)用。

7 ）音效處理算法

在 MP3 上非常普遍的音效處理算法，當(dāng)然也有立體聲環(huán)繞和多聲道處理算法。

2 、涉及的行業(yè)

1 ）嵌入式、集成電路、芯片

這個(gè)行業(yè)需要這個(gè)職業(yè)的一般，尤其是做多媒體芯片的，往往需要為芯片提供高品質(zhì)的音視頻算法 。 在低功耗、資源少的情況下保證音視頻的最佳化應(yīng)用。

2 ）計(jì)算機(jī)軟硬件

這個(gè)行業(yè)里，可以做標(biāo)準(zhǔn)算法的研發(fā)，也可以做應(yīng)用程序，或者是第三方軟件開發(fā)。

3 ）通信行業(yè)

這個(gè)行業(yè)應(yīng)該不多，一般音頻編解碼屬于信源編碼，而通信行業(yè)涉及的技術(shù)比較多，從天線的發(fā)送接收，基帶芯片的解碼，語(yǔ)音編解碼，上下信道的控制等系統(tǒng)。

3 、涉及的職業(yè)

1 ）做標(biāo)準(zhǔn)、第三方算法研發(fā)

做音頻算法的國(guó)際標(biāo)準(zhǔn)，如 ITU G.7xx 、寬帶語(yǔ)音編碼，或者第三方語(yǔ)音算法的研發(fā)，如語(yǔ)音識(shí)別、語(yǔ)音合成等。往往這樣的職位需要碩士以上學(xué)歷，對(duì)數(shù)字信號(hào)處理理論要求較高。

2 ）做移植、優(yōu)化

在芯片公司為產(chǎn)品做音頻算法的移植和優(yōu)化，需要對(duì)芯片指令和算法本身有較強(qiáng)的理解。做嵌入式產(chǎn)品，就意味著在低成本、低功耗、資源少的情況下要具有足夠的耐心去一點(diǎn)點(diǎn)優(yōu)化算法，我曾經(jīng)對(duì) AMR-NB 中的碼書搜索部分、 LSF 矢量量化部分進(jìn)行至少 5 遍的代碼優(yōu)化，漸漸將所用的指令數(shù)減到最小化。每一遍過(guò)后都覺(jué)得沒(méi)有再優(yōu)化的地方了，然后靜下心再分析算法原理、分析代碼執(zhí)行和指令特點(diǎn)，就有了新的發(fā)現(xiàn)。以至于后來(lái)流傳著“優(yōu)化無(wú)極限”，當(dāng)然優(yōu)化工作很可能是用較少的時(shí)間就優(yōu)化了總量的 80% ，但剩下的 20% 需要付出更多的時(shí)間，全憑項(xiàng)目的需求來(lái)權(quán)衡了，積累一定的經(jīng)驗(yàn)很重要。

3 ）做產(chǎn)品應(yīng)用

做一般多媒體軟件的應(yīng)用開發(fā)，涉及語(yǔ)音頻本身的理論較少，更多的是計(jì)算機(jī)技術(shù)。

4 、優(yōu)缺點(diǎn)

做語(yǔ)音頻算法職業(yè)的缺點(diǎn)是 ” 少 ”， 相關(guān)的公司少，專業(yè)對(duì)口的職業(yè)少，做這個(gè)職業(yè)的人也少 ， 發(fā)展機(jī)會(huì)少一點(diǎn)，當(dāng)然這個(gè)“少”也是不同時(shí)期，不同職業(yè)之間的相對(duì)比較而言的。優(yōu)點(diǎn)自然是競(jìng)爭(zhēng)壓力相對(duì)小些，工作相對(duì)穩(wěn)定。

5 、三點(diǎn)總結(jié)

我一路走來(lái)，犯了許多錯(cuò)誤，但是塞翁失馬，焉知非福？

1） 雜而不專

“?！笔侵笇Ｗ⒃谝粋€(gè)方向上的技術(shù)和業(yè)務(wù)積累。

我剛開始的時(shí)候，一段時(shí)間看看語(yǔ)音頻編解碼，一段時(shí)間看看靜態(tài)圖像處理技術(shù)，一邊研究計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)，一邊了解一下視頻壓縮算法，今天搞搞寫寫 Window 程序，明天去焊焊電路。典型的學(xué)的雜，但是哪個(gè)都淺嘗輒止，最后想想哪個(gè)都拿不出手，感覺(jué)就是樣樣行，樣樣都很膚淺。

2） 專而不精

“精”是指在一個(gè)方向上達(dá)到精通的水平（技術(shù)方面）和高效的業(yè)務(wù)能力（項(xiàng)目管理方面）。

工作了一段時(shí)間，比較清楚自己的興趣和特長(zhǎng)，于是靜下心盡量把范圍縮小，主要集中在語(yǔ)音頻編解碼上，但是有時(shí)還要根據(jù)實(shí)際項(xiàng)目需求去做其它方向的。另外，如果項(xiàng)目時(shí)程緊張的話，技術(shù)方面如果不經(jīng)過(guò)深加工，積累的經(jīng)驗(yàn)還是很少。我目前正處于這個(gè)階段，需要堅(jiān)實(shí)的理論基礎(chǔ)以便深入算法（算法層面）和不斷的總結(jié)項(xiàng)目經(jīng)驗(yàn)教訓(xùn)（工程實(shí)現(xiàn)方面）來(lái)提高自己。

3） 精而不廣

“廣”是指見識(shí)要廣，具有行業(yè)思維、市場(chǎng)化的眼光。

身處在這個(gè)賴以謀生的行業(yè)，自然要關(guān)心一下它的動(dòng)態(tài)發(fā)展，我們?cè)诩夹g(shù)上要深挖一口井，但眼界上卻不要做一個(gè)井底之蛙！

最后，談一下工作態(tài)度，我自認(rèn)為資質(zhì)平庸，還是踏踏實(shí)實(shí)做事，認(rèn)認(rèn)真真做人。不要盲目和別人攀比，產(chǎn)生不良的心態(tài)，影響日常的工作和生活。對(duì)于那些比我強(qiáng)的人，我是這樣看的：客觀上，他們一定有我們不具有的能力，這里的能力是指綜合評(píng)價(jià)得到的，包括智商（學(xué)習(xí)能力、技術(shù)深度廣度、創(chuàng)新思維等）、情商（人脈關(guān)系、成長(zhǎng)環(huán)境、習(xí)慣等）；主觀上，每個(gè)人都有自己的人生軌跡，苦辣酸甜只有自己知道，平衡好自己生活的各個(gè)方面才是最好的。