#kaldi

avatar
Feiteng
15小时前
和自身经历有点像，mini版 本科数学专业没怎么学过编程 研究生也是数学老板比较牛，实验室机器从2010年就高配NV GPU，硕士两年 2012-2013 猛学 机器学习、深度学习，练习 coding 实习offer mentor考完、老板还能面SVD分解，mentor和老板二人拒了他们上交学弟把位置给了我，接触开源项目 kaldi、把CNN成功运用到语音识别系统上，词错率降低10%，这段经历+复现 Hinton Dropout 论文写就硕士毕业论文 好多年后一公司产品经理离职时来跟我说：你知道知网上你硕士论文引用很高吗？ 真没看过 14 年毕业，进入一家做智能音箱的公司，也有百万用户的APP，比Amazon Echo推出时间都早，无奈技术团队太菜，一套 ASR, CTO和技术骨干搞了两年也没搞出来，技术路线落后且错误；我拿kaldi 一两周就训练出能用模型，试图扭转技术路线没有成功，最后他们妥协说，我能用 java 实现一套 ASR 识别系统就采用我的方案；随后一个月学习java 用 java 写了一套 ASR 运行时，也摸透了 kaldi decoding DNN + WFST 这一套原理； 没有掰正技术路线的时候，就下定决心离开了，当时就一个想法：得去人才密度高的地方。 后面就聊了一家公司直接加入了，合伙人都是学历履历比较优秀的，电话面试官有一位是 Google 总部语音科学家背景，深入聊了 WFST，ASR 解码原理等，这是碰到行家了；约了 on site，CTO 还考八股面试题，没刷过题只给出了思路，CEO 聊的就比较宏大了； 进入后，先做了个裁剪神经网络的活；合伙人给了一个任务，提高公司核心算法的准确率，为此他们在过去一年准备了十几个benchmark，知乎还有一个热帖讨论猜测这个核心算法；最后否定了一位资深同事和合伙人的方案，提出了自己的方案，一个人执行落地上线推给千万用户，在十几个benchmark上准确率提高到了 95%，优化神经网络计算速度40倍实现在手机端离线计算，就是玩半小时就发烫；17年交接手上语音评测、语音识别工作，新开语音合成技术方向，18-20年合成水平显著高于市场商业API，公司开all hands 就会拿来一波图灵测试；公司每年hackathon必拿奖；三年后公司纽交所上市； 这些年错过的机会： 16 年看过 比特币 18年被邀请去字节组建团队，当时公司很快上市，没去 21年底看机会 MiniMax CEO CTO 约着飞来上海当面聊，过了个春节 23年初写了个开源项目 valle，后来跟大学生们面基，他们说 这是他们的语音生成大模型入门代码，有些已是头部厂商核心研发力量；minimax 同学也说无它就增加了训练数据；这个项目带来过百万收入
#数学转行 #语音识别 #深度学习 #kaldi #技术突破 #职场发展 #AI #成功案例