這次LiveVideoStackCon 2020 北京站，我們邀請(qǐng)到了曾任職于Apple、Facebook和Zoom的音視頻算法工程師郝一亞。一亞博士畢業(yè)于美國(guó)德州大學(xué)達(dá)拉斯分校，在校時(shí)是Statistical Signal Processing Research Lab的研究助理，專注于在助聽(tīng)器上的語(yǔ)音數(shù)字信號(hào)處理算法。

2019年年底，郝一亞加入網(wǎng)易云信，研究范圍包括傳統(tǒng)信號(hào)處理算法和基于AI的算法。除了是人們口中的“程序員”，郝一亞還擁有街舞老師、兵乓球國(guó)家二級(jí)運(yùn)動(dòng)員等多重身份，參加過(guò)頂級(jí)歌手的世界巡演.......而當(dāng)一名在美博士從灣區(qū)來(lái)到內(nèi)地，他的生活又發(fā)生了怎樣的變化？

用郝一亞自己的話來(lái)說(shuō)，就是“系統(tǒng)還是收斂穩(wěn)定的”。

以下內(nèi)容由LiveVideoStack與郝一亞的采訪整理而成LiveVideoStack：在您眾多的身份中，您更享受哪一個(gè)“自己”，對(duì)哪一個(gè)“自己”最滿意？開(kāi)發(fā)者/程序員在這眾多的標(biāo)簽中處于一個(gè)什么樣的位置？郝一亞：最享受的可能是作為Dancer/Choreographer的身份，最滿意的應(yīng)該是Acoustic Engineer這個(gè)身份，因?yàn)樽约耗軓暮芷匠５穆曇糁新?tīng)出更多的信息，比如聲音有沒(méi)有distortion、每個(gè)人的pitch基頻、環(huán)境底噪的分貝數(shù)等等。開(kāi)發(fā)者/程序員應(yīng)該相當(dāng)于我實(shí)現(xiàn)自己算法的一個(gè)途徑，要將自己聽(tīng)到的和提出的算法應(yīng)用于實(shí)際，都需要自己動(dòng)手去寫出來(lái)。LiveVideoStack：在美國(guó)求學(xué)、工作的過(guò)程中，您最開(kāi)心的時(shí)刻有哪些？郝一亞：應(yīng)該是博士答辯完成，老板對(duì)我說(shuō)“Congratulations, Dr. Hao”的時(shí)候，還有求婚成功的時(shí)候。LiveVideoStack：加入網(wǎng)易云信后，你的生活發(fā)生了哪些變化，喜和憂分別是什么？郝一亞：其實(shí)沒(méi)什么大憂，硬要說(shuō)的話可能是上班時(shí)間增加導(dǎo)致家庭和個(gè)人時(shí)間太少。喜的方面其實(shí)挺多的，之前沒(méi)有在中國(guó)的公司待過(guò)，本來(lái)是做好了應(yīng)對(duì)“壞情況”的心理準(zhǔn)備，但實(shí)際工作中，團(tuán)隊(duì)氛圍、專業(yè)程度、自己的適應(yīng)狀態(tài)都達(dá)到了一個(gè)很好的正反饋系統(tǒng)中，用DSP的術(shù)語(yǔ)來(lái)說(shuō)該系統(tǒng)還是收斂穩(wěn)定的。音頻算法的迭代不是一個(gè)短平快項(xiàng)目，需要耐心的打磨和積累。而網(wǎng)易就是這樣的一個(gè)企業(yè)，以匠心致創(chuàng)新，這就是我選擇網(wǎng)易云信的最大原因。LiveVideoStack：云信每周四的程序員分享進(jìn)展如何，最近又分享了哪些有意思的話題？郝一亞：我覺(jué)得周四的分享特別好，分享內(nèi)容有廣度有深度。我自己印象最深的是音頻組同事講的那次關(guān)于音頻信號(hào)問(wèn)題的分析，現(xiàn)場(chǎng)氣氛很好，大家都在踴躍地討論，而且分享后大家反饋也是說(shuō)了解了很多音頻問(wèn)題表象下的具體原因。雖然分享最后有點(diǎn)像音頻組的“甩鍋大會(huì)”了。LiveVideoStack：在您就職FB、Apple等互聯(lián)網(wǎng)公司期間，遇到過(guò)哪些印象深刻的技術(shù)難題，以及您是如何應(yīng)對(duì)的？郝一亞：當(dāng)時(shí)在Apple的時(shí)候，第一個(gè)落地的算法是結(jié)合一個(gè)新的sensor的一個(gè)音頻算法。當(dāng)時(shí)難度挑戰(zhàn)是相關(guān)的paper很少，很多細(xì)節(jié)只能自己去摸索，我的應(yīng)對(duì)辦法就是兩個(gè)字“加班”。

開(kāi)個(gè)玩笑，是加了幾天班，但關(guān)鍵的策略是沒(méi)有急于求成，而是把sensor在各個(gè)產(chǎn)品下的指標(biāo)都考慮到，測(cè)試好，打好基礎(chǔ)，前期工作做得好，制定方案就會(huì)很可行。Apple的音頻實(shí)驗(yàn)室設(shè)備非常齊全，到了“要什么有什么”的境界，為工作提供了很多便利。LiveVideoStack：基于AI的算法產(chǎn)品化這一點(diǎn)，您有什么比較欣賞的平臺(tái)或產(chǎn)品嗎？郝一亞：在音頻領(lǐng)域，雖然現(xiàn)在AI音頻算法在產(chǎn)品落地上依然沒(méi)有普及開(kāi)，但是Google在近幾年一直是這個(gè)領(lǐng)域的佼佼者，其次Amazon的Lab126在這個(gè)領(lǐng)域的研究也是非常超前的。LiveVideoStack：“將AI算法任務(wù)模塊化”具體是一個(gè)什么概念，有哪些實(shí)際用例？郝一亞：AI算法在實(shí)際應(yīng)用當(dāng)中有很多問(wèn)題，在音視頻算法中，讓AI去處理一個(gè)鏈路很長(zhǎng)的算法問(wèn)題時(shí)，Model的效果、泛化能力、計(jì)算復(fù)雜度都很頭疼。如果是沿用傳統(tǒng)的算法，將傳統(tǒng)算法中的一個(gè)適合AI的模塊單獨(dú)拿出來(lái)，用訓(xùn)練的Model來(lái)處理，這種方式往往在上述的三個(gè)維度都能有提升。LiveVideoStack：將具體技術(shù)“產(chǎn)品化“的過(guò)程中您遇到過(guò)哪些困難？郝一亞：主要的困難是算法的研究與產(chǎn)品的需求之間往往存在著差距，在云信的算法落地過(guò)程當(dāng)中，穩(wěn)定性和高可用性是我們的首要目標(biāo)。在此基礎(chǔ)上，我們會(huì)不斷地去match產(chǎn)品的需求，分清需求的重要程度，不斷地對(duì)算法的細(xì)節(jié)進(jìn)行調(diào)整。

LiveVideoStack：據(jù)您個(gè)人經(jīng)驗(yàn)，中美科技公司將音頻技術(shù)“產(chǎn)品化”的過(guò)程有何不同？郝一亞：其實(shí)中美公司在很多方面都已經(jīng)比較接近了，在音頻技術(shù)“產(chǎn)品化”方面，美國(guó)和國(guó)內(nèi)公司相比，唯一的不同可能在于其音頻技術(shù)產(chǎn)品化的流程比較清晰，音頻相關(guān)的儲(chǔ)備（比如音頻工具、消聲室、技術(shù)積累）比較完善。云信目前也有很多音頻相關(guān)儲(chǔ)備，比如Soundbooth、人工頭等工具，在傳統(tǒng)3A算法和AI算法上都有可觀的技術(shù)積累。LiveVideoStack：就您個(gè)人經(jīng)驗(yàn)，國(guó)內(nèi)的公司需要如何快速?gòu)浹a(bǔ)這一點(diǎn)不足；以及國(guó)內(nèi)互聯(lián)網(wǎng)公司又有哪些令你欣賞的優(yōu)勢(shì)呢？郝一亞：首先，這些不足沒(méi)法快速?gòu)浹a(bǔ)。追趕的方式我認(rèn)為還是積累更多相關(guān)的人才，還需要讓更多管理者認(rèn)知到音頻開(kāi)發(fā)和其他開(kāi)發(fā)的不同之處（開(kāi)發(fā)周期長(zhǎng)，需要時(shí)間打磨與積累）。我認(rèn)為國(guó)內(nèi)現(xiàn)在最大的優(yōu)勢(shì)在于國(guó)家層面開(kāi)始重視音視頻技術(shù)，以及國(guó)內(nèi)的消費(fèi)能力和市場(chǎng)，這兩點(diǎn)足以支撐音頻領(lǐng)域的快速積累。LiveVideoStack：您現(xiàn)階段正在解決的問(wèn)題？郝一亞：現(xiàn)在基于AI的音頻算法產(chǎn)品化的過(guò)程中，瓶頸依然是算法的泛化能力和Model復(fù)雜度，我們現(xiàn)在所專注的就是在不影響算法表現(xiàn)的情況下去提高泛化能力、降低計(jì)算量。LiveVideoStack：您下一階段的研發(fā)目標(biāo)？郝一亞：更深入的去“模塊化”傳統(tǒng)的音頻算法，將更多的“小模塊”用AI替代。編輯：Coco Liang

原文標(biāo)題：從舊金山到濱江區(qū)，系統(tǒng)依舊收斂穩(wěn)定

文章出處：【微信公眾號(hào)：LiveVideoStack】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。