关于公司。
我们的客户是一家发展迅速的AI科技独角兽企业
关于团队。
团队精英聚集，积极向上
关于职位
• 神经网络降噪算法开发：设计和实现基于深度学习的降噪算法，利用卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等模型处理和去除背景噪声
• 模型训练与优化：使用大量带噪音和干净的音频数据进行神经网络训练，优化网络架构以提高降噪效果
• 端到端降噪系统：实现端到端的音频降噪系统，包括数据预处理、特征提取、神经网络建模和后处理
• 噪声建模与自适应算法：设计自适应降噪模型，能够在动态环境下调整以应对不同类型的噪声（如交通噪声、人声干扰等）
• 实时降噪处理：确保神经网络降噪算法能够在低延迟下高效运行，适用于实时音频流和通话系统
• 跨平台实现：在不同硬件平台（如嵌入式设备、移动设备等）上实现并优化神经网络降噪算法，确保其高效执行
技能和经验要求•
• 深度学习与神经网络：熟悉深度学习框架，如TensorFlow、PyTorch等，能够使用这些工具开发和训练神经网络模 型。了解并能够应用不同类型的神经网络，如卷积神经网络（CNN）、长短期记忆网络（LSTM）、Transformer网络等。有生成对抗网络（GAN）等先进模型在音频降噪中的应用经验
• 音频处理与特征提取：熟悉音频信号的特征提取方法，如梅尔频率倒谱系数（MFCC）、谱图（Spectrogram）等。理解如何将音频信号转换为适合深度学习处理的特征，进行端到端的训练
• 噪声抑制技术：深刻理解噪声建模和去噪原理，能够使用深度学习方法对不同类型的噪声（白噪声、环境噪声、语音干扰等）进行建模和抑制
• 数据处理与增强：有音频数据预处理、数据增强和标注的经验，能够为神经网络模型提供高质量的训练数据
• 实时系统与低延迟：优化神经网络模型，确保其在低延迟、高吞吐量的实时系统中运行，适用于实时语音通话、视频会议等场景 • 编程与工具：精通Python、C++等编程语言，熟悉深度学习框架（如TensorFlow、PyTorch）以及音频处理库。对并行计算、GPU加速等优化方法有一定了解，能够提升训练和推理效率
