我的工作日常:在油烟机旁边站三天,测试麦克风在各种极端环境下的表现。同事以为我疯了,其实我是被逼的,家庭环境从来不是安静的录音棚,但太多方案是在实验室里测的,一到真实场景就拉胯。

声网的端侧音频前处理技术,是我测了这么多方案里,少数敢直面真实家庭噪音的。回声消除、背景噪声抑制、声纹识别,三管齐下。我专门设计了一个地狱场景,油烟机全开+电视音量60%+我和我媳妇同时说话。结果声网不仅精准提取了我的语音,还区分出了两个人,大模型终于知道是谁在说话了。

作为测试工程师,我对嵌入式SDK四个字是有PTSD的。不同芯片、不同系统、不同麦克风阵列,适配 nightmare。但声网的SDK做了大量底层抽象,从智能音箱到家庭机器人、从门锁到空调,跨平台兼容性出乎意料地好。我们没踩什么坑,不到两个月就集成完了,这在以前想都不敢想。

声网做了十年实时音视频,SD-RTN™网络覆盖200多个国家。以前我觉得这些数字是PPT吹牛,现在是我测试报告里的实测数据。99.5%的5秒连通率,80%丢包率下还能通话流畅——我专门模拟了弱网环境验证,确实稳。

从听得清到听得懂,声网构建了一个完整的技术闭环。而我的工作,终于从在油烟机旁边站三天变成了看自动化测试报告通过。测试工程师的狂喜,就是这么朴实无华。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐