职场资讯
正在查看在校生语音算法高端简历模板文字版
陈小湾
求职意向
工作经历
XXX智能是专注智能语音与音频解决方案的科技公司，团队规模约XXX人，核心业务是为智能硬件、车载系统及在线教育等领域提供语音交互技术，产品服务于超过XXX家客户，与多家知名硬件厂商建立了长期合作关系。
工作概述：
1.语音合成：负责某发音人语音合成系统优化项目，通过分析合成音频的MOS得分与badcase报告，定位音素边界不自然与韵律单调问题；采用基于注意力机制的声学模型微调策略，引入XXX小时高质量情感语音数据辅助训练；协同数据标注团队制定韵律标注规范，产出合成效果对比样本供算法模型迭代，最终将该发音人合成音频的MOS得分提升
X.XX，在线合成服务响应速度提升XXX%。
2.声学建模：参与某方言场景下的声学建模项目，针对该方言录音数据稀缺问题，负责基础数据清洗与增广流程；利用开源工具进行语音活性检测与静音切除，通过变速、加噪及房间冲激响应模拟等方法扩充训练集；整理数据质量评估报告，为模型训练团队提供清晰的数据支撑，将原始数据到可用训练集的准备效率提升XXX%，辅助基线模型在该方言测试集上的识别率提升至X
X.X%。
3.音频处理：负责智能硬件音频数据处理管道搭建与维护，根据产品需求设计降噪、增益均衡等预处理模块的调用流程；编写脚本批量处理客户提供的XXX小时原始音频，监控处理过程中的内存占用与异常中断；将处理后的音频按指定格式与结构归档，形成标准化的数据交付包，使得单批次数据处理速度提升XXX%，有效交付数据比例达到XX%。
4.方案优化：支持某儿童语音识别技术方案的预研与文档化工作，协助研究员复现论文中的数据增强与模型压缩方法；梳理实验流程，将核心步骤与参数配置整理为可执行的技术文档；建立简易的识别效果对比测试集，用于快速验证不同优化策略的收益，产出的X份技术摘要被团队采纳，加速了方案选型决策周期。
工作业绩：
1.完成X个发音人语音合成系统的迭代优化任务，合成音频主观评分平均提升
X.XX，服务端资源消耗降低XX%。
2.参与处理并交付超过XXX小时的声学建模训练数据，支撑X个新方言识别模型成功上线。
3.独立维护音频数据处理管道，累计处理原始音频XXX小时，任务完成率达到XXX%。
4.输出技术调研与实验报告X份，其中关于模型轻量化的建议被采纳，助力某边缘设备语音方案识别错误率降低X%。
主动离职，希望有更多的工作挑战和涨薪机会。
项目经历
公司核心TTS产品线的迭代项目，原有拼接式合成系统在复杂句式和情感表达上存在局限，合成音频自然度MOS得分长期徘徊在X.X，服务于XXX万日均用户时，合成延迟波动导致用户体验不一致。项目目标是通过引入端到端神经网络架构，提升合成自然度与系统稳定性，并确保在现有云端推理资源下满足并发需求。
项目职责：
1.数据处理：负责训练数据的前期处理与质检，使用Praat脚本批量提取基频、时长等韵律特征，筛选并剔除质量不达标的音频样本XXX小时，构建了高质量训练数据集。
2.模型训练支持：协助搭建基于FastSpeech2的声学模型训练环境，配置数据加载与特征归一化流程，监控训练过程中的损失曲线与验证集效果，及时反馈异常。
3.效果评测：设计并执行合成音频的客观评测与主观盲测，组织内部人员进行MOS打分，统计不同文本类型下的合成效果，形成详细的评测报告。
4.流程自动化：开发辅助脚本，将数据预处理、特征提取到模型推理的中间结果检查流程自动化，减少手动操作环节，提升实验迭代效率。
项目业绩：
1.支持完成XXX小时高质量语音数据的处理与标注，保障了模型训练的顺利进行。
2.新上线的端到端合成系统在内部盲测中MOS得分达到
X.XX，较旧系统提升
X.X。
3.通过流程自动化，将算法研究员从实验准备到获取初步结果的周期缩短了XXX%。
4.优化后的合成系统已部署于公司在线平台，支持日均XXX万次的合成请求，服务可用性保持在X
X.X%以上。
教育背景
GPA X.XX/4.0（专业前XX%），主修数字信号处理、模式识别与机器学习等核心课程。完成基于深度学习的语音情感识别课程设计，使用Python与PyTorch框架，负责特征提取与CNN模型搭建部分，在公开数据集上取得XX.X%的识别准确率。熟练使用Linux开发环境、Git版本控制及MATLAB进行信号仿真分析。
自我评价
培训经历
系统学习了机器学习专项课程，将课程中关于序列模型与注意力机制的知识应用于语音合成项目的技术调研中，协助团队理解并复现了相关论文中的模型结构，为后续的声学模型选型提供了有效参考。
在校生语音算法高端简历模板
256人使用适用人群: #语音算法 #在校生[找实习]
[基本信息]
姓名：陈小湾
性别：男
年龄：26
学历：本科
婚姻：未婚
年限：4年
面貌：党员
邮箱：xiaowan@gangwan.com
电话：18600001654
[求职意向]
工作性质：全职
应聘职位：语音算法
期望城市：北京
期望薪资：8000-10000
求职状态：离职-随时到岗
[工作经历]
北京XX科技有限公司 | 语音算法
2024-09 - 2025-12
XXX智能是专注智能语音与音频解决方案的科技公司，团队规模约XXX人，核心业务是为智能硬件、车载系统及在线教育等领域提供语音交互技术，产品服务于超过XXX家客户，与多家知名硬件厂商建立了长期合作关系。
工作概述：
1.语音合成：负责某发音人语音合成系统优化项目，通过分析合成音频的MOS得分与badcase报告，定位音素边界不自然与韵律单调问题；采用基于注意力机制的声学模型微调策略，引入XXX小时高质量情感语音数据辅助训练；协同数据标注团队制定韵律标注规范，产出合成效果对比样本供算法模型迭代，最终将该发音人合成音频的MOS得分提升
X.XX，在线合成服务响应速度提升XXX%。
2.声学建模：参与某方言场景下的声学建模项目，针对该方言录音数据稀缺问题，负责基础数据清洗与增广流程；利用开源工具进行语音活性检测与静音切除，通过变速、加噪及房间冲激响应模拟等方法扩充训练集；整理数据质量评估报告，为模型训练团队提供清晰的数据支撑，将原始数据到可用训练集的准备效率提升XXX%，辅助基线模型在该方言测试集上的识别率提升至X
X.X%。
3.音频处理：负责智能硬件音频数据处理管道搭建与维护，根据产品需求设计降噪、增益均衡等预处理模块的调用流程；编写脚本批量处理客户提供的XXX小时原始音频，监控处理过程中的内存占用与异常中断；将处理后的音频按指定格式与结构归档，形成标准化的数据交付包，使得单批次数据处理速度提升XXX%，有效交付数据比例达到XX%。
4.方案优化：支持某儿童语音识别技术方案的预研与文档化工作，协助研究员复现论文中的数据增强与模型压缩方法；梳理实验流程，将核心步骤与参数配置整理为可执行的技术文档；建立简易的识别效果对比测试集，用于快速验证不同优化策略的收益，产出的X份技术摘要被团队采纳，加速了方案选型决策周期。
工作业绩：
1.完成X个发音人语音合成系统的迭代优化任务，合成音频主观评分平均提升
X.XX，服务端资源消耗降低XX%。
2.参与处理并交付超过XXX小时的声学建模训练数据，支撑X个新方言识别模型成功上线。
3.独立维护音频数据处理管道，累计处理原始音频XXX小时，任务完成率达到XXX%。
4.输出技术调研与实验报告X份，其中关于模型轻量化的建议被采纳，助力某边缘设备语音方案识别错误率降低X%。
[项目经历]
项目名称：端到端语音合成系统优化
担任角色：项目负责人
公司核心TTS产品线的迭代项目，原有拼接式合成系统在复杂句式和情感表达上存在局限，合成音频自然度MOS得分长期徘徊在X.X，服务于XXX万日均用户时，合成延迟波动导致用户体验不一致。项目目标是通过引入端到端神经网络架构，提升合成自然度与系统稳定性，并确保在现有云端推理资源下满足并发需求。
项目业绩：
1.支持完成XXX小时高质量语音数据的处理与标注，保障了模型训练的顺利进行。
2.新上线的端到端合成系统在内部盲测中MOS得分达到
X.XX，较旧系统提升
X.X。
3.通过流程自动化，将算法研究员从实验准备到获取初步结果的周期缩短了XXX%。
4.优化后的合成系统已部署于公司在线平台，支持日均XXX万次的合成请求，服务可用性保持在X
X.X%以上。
[教育背景]
江苏大学
电子信息工程 | 本科
GPA X.XX/4.0（专业前XX%），主修数字信号处理、模式识别与机器学习等核心课程。完成基于深度学习的语音情感识别课程设计，使用Python与PyTorch框架，负责特征提取与CNN模型搭建部分，在公开数据集上取得XX.X%的识别准确率。熟练使用Linux开发环境、Git版本控制及MATLAB进行信号仿真分析。