語音/音頻算法工程師的前景如何

本人從研究生開始學(xué)習(xí)語音頻信號處理到工作中實際的工程實踐 ， 至今已經(jīng)七年多了 ， 這跟 ” 七年之癢 ” 真的沒有關(guān)系 ， 主要是一方面最近比較空閑 ， 有時間做些總結(jié)和規(guī)劃 ， 另一方面也是為準(zhǔn)備從事這個職業(yè)或者正在從事這個職業(yè)的新手們提供一點參考 ， 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 。

1 、涉及的方向

1 ）語音、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)總是一對冤家，只有一些特殊的存儲和通信應(yīng)用會要求低碼率，更多的是追求高品質(zhì)的音質(zhì)，例如高清音質(zhì)。

2 ）語音識別算法

做過一年半，初步了解識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一步發(fā)展，目前只有一些特殊場合的應(yīng)用產(chǎn)品化，作為人機交互的大規(guī)模應(yīng)用還有一段路要走。

3 ）語音合成算法

這個沒有接觸核心技術(shù)，不妄加評論，反正據(jù)說科大訊飛在這個方向非常強。

4 ）語音增強算法

這個沒有接觸核心技術(shù)，感覺回聲消除、降噪處理等還是很有用處。

5 ）語音信號分析

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

音樂哼唱和音樂檢索，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

這個行業(yè)需要這個職業(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 ）計算機軟硬件

這個行業(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)

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

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，需要對芯片指令和算法本身有較強的理解。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點優(yōu)化算法，我曾經(jīng)對 AMR-NB 中的碼書搜索部分、 LSF 矢量量化部分進行至少 5 遍的代碼優(yōu)化，漸漸將所用的指令數(shù)減到最小化。每一遍過后都覺得沒有再優(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，就有了新的發(fā)現(xiàn)。以至于后來流傳著“優(yōu)化無極限”，當(dāng)然優(yōu)化工作很可能是用較少的時間就優(yōu)化了總量的 80% ，但剩下的 20% 需要付出更多的時間，全憑項目的需求來權(quán)衡了，積累一定的經(jīng)驗很重要。

3 ）做產(chǎn)品應(yīng)用

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

4 、優(yōu)缺點

做語音頻算法職業(yè)的缺點是 ” 少 ”， 相關(guān)的公司少，專業(yè)對口的職業(yè)少，做這個職業(yè)的人也少 ， 發(fā)展機會少一點，當(dāng)然這個“少”也是不同時期，不同職業(yè)之間的相對比較而言的。優(yōu)點自然是競爭壓力相對小些，工作相對穩(wěn)定。

5 、三點總結(jié)

我一路走來，犯了許多錯誤，但是塞翁失馬，焉知非福？

1） 雜而不專

“專”是指專注在一個方向上的技術(shù)和業(yè)務(wù)積累。

我剛開始的時候，一段時間看看語音頻編解碼，一段時間看看靜態(tài)圖像處理技術(shù)，一邊研究計算機網(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，但是哪個都淺嘗輒止，最后想想哪個都拿不出手，感覺就是樣樣行，樣樣都很膚淺。

2） 專而不精

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

工作了一段時間，比較清楚自己的興趣和特長，于是靜下心盡量把范圍縮小，主要集中在語音頻編解碼上，但是有時還要根據(jù)實際項目需求去做其它方向的。另外，如果項目時程緊張的話，技術(shù)方面如果不經(jīng)過深加工，積累的經(jīng)驗還是很少。我目前正處于這個階段，需要堅實的理論基礎(chǔ)以便深入算法（算法層面）和不斷的總結(jié)項目經(jīng)驗教訓(xùn)（工程實現(xiàn)方面）來提高自己。

3） 精而不廣

“廣”是指見識要廣，具有行業(yè)思維、市場化的眼光。

身處在這個賴以謀生的行業(yè)，自然要關(guān)心一下它的動態(tài)發(fā)展，我們在技術(shù)上要深挖一口井，但眼界上卻不要做一個井底之蛙！

最后，談一下工作態(tài)度，我自認(rèn)為資質(zhì)平庸，還是踏踏實實做事，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。對于那些比我強的人，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價得到的，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、成長環(huán)境、習(xí)慣等）；主觀上，每個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方面才是最好的。