岗位与去向
手机/汽车/智能硬件厂商的语音交互团队、云厂商语音服务线与 AI 公司的 ASR/TTS/声纹算法岗；语音大模型与实时对话式 AI 带来新增量。
知识考点
- 特征：MFCC/FBank 的提取流程；为什么现在多用 FBank。
- 建模：CTC、RNN-T、attention 三类端到端方案的差异与适用场景。
- 解码：beam search 与语言模型融合；热词增强的实现思路。
- TTS：从 Tacotron 到 VITS 的演进；vocoder 的作用。
- 大模型：语音-文本多模态对齐的常见做法；全双工对话的打断处理。
- 工程：流式识别的 chunk 机制；WER/CER 指标与 badcase 归因。
面试重点
- 手推题：写出 CTC 的对齐假设与前向变量递推。
- 场景题：车载噪声下识别率骤降，从数据、前端、模型三层给排查方案。
- 深挖题：项目里的错误率数字会被追问测试集构成与置信度。
准备建议
- 用 WeNet 或 FunASR 在开源数据集上完整跑一次训练+解码，记录 WER 变化。
- 准备一个数据增广（加噪/变速/混响）对比实验作为可深挖叙事。
- 试用两家厂商的实时语音对话产品，能说出延迟与打断体验差异。