這次LiveVideoStackCon 2020 北京站，我們邀請到了曾任職于Apple、Facebook和Zoom的音視頻算法工程師郝一亞。一亞博士畢業(yè)于美國德州大學達拉斯分校，在校時是Statistical Signal Processing Research Lab的研究助理，專注于在助聽器上的語音數(shù)字信號處理算法。

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、兵乓球國家二級運動員等多重身份，參加過頂級歌手的世界巡演.......而當一名在美博士從灣區(qū)來到內(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說，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“自己”，對哪一個“自己”最滿意？開發(fā)者/程序員在這眾多的標簽中處于一個什么樣的位置？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這個身份，因為自己能從很平常的聲音中聽出更多的信息，比如聲音有沒有distortion、每個人的pitch基頻、環(huán)境底噪的分貝數(shù)等等。開發(fā)者/程序員應(yīng)該相當于我實現(xiàn)自己算法的一個途徑，要將自己聽到的和提出的算法應(yīng)用于實際，都需要自己動手去寫出來。LiveVideoStack：在美國求學、工作的過程中，您最開心的時刻有哪些？郝一亞：應(yīng)該是博士答辯完成，老板對我說“Congratulations, Dr. Hao”的時候，還有求婚成功的時候。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：其實沒什么大憂，硬要說的話可能是上班時間增加導(dǎo)致家庭和個人時間太少。喜的方面其實挺多的，之前沒有在中國的公司待過，本來是做好了應(yīng)對“壞情況”的心理準備，但實際工作中，團隊氛圍、專業(yè)程度、自己的適應(yīng)狀態(tài)都達到了一個很好的正反饋系統(tǒng)中，用DSP的術(shù)語來說該系統(tǒng)還是收斂穩(wěn)定的。音頻算法的迭代不是一個短平快項目，需要耐心的打磨和積累。而網(wǎng)易就是這樣的一個企業(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展如何，最近又分享了哪些有意思的話題？郝一亞：我覺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)于音頻信號問題的分析，現(xiàn)場氣氛很好，大家都在踴躍地討論，而且分享后大家反饋也是說了解了很多音頻問題表象下的具體原因。雖然分享最后有點像音頻組的“甩鍋大會”了。LiveVideoStack：在您就職FB、Apple等互聯(lián)網(wǎng)公司期間，遇到過哪些印象深刻的技術(shù)難題，以及您是如何應(yīng)對的？郝一亞：當時在Apple的時候，第一個落地的算法是結(jié)合一個新的sensor的一個音頻算法。當時難度挑戰(zhàn)是相關(guān)的paper很少，很多細節(jié)只能自己去摸索，我的應(yīng)對辦法就是兩個字“加班”。

開個玩笑，是加了幾天班，但關(guān)鍵的策略是沒有急于求成，而是把sensor在各個產(chǎn)品下的指標都考慮到，測試好，打好基礎(chǔ)，前期工作做得好，制定方案就會很可行。Apple的音頻實驗室設(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，您有什么比較欣賞的平臺或產(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)品落地上依然沒有普及開，但是Google在近幾年一直是這個領(lǐng)域的佼佼者，其次Amazon的Lab126在這個領(lǐng)域的研究也是非常超前的。LiveVideoStack：“將AI算法任務(wù)模塊化”具體是一個什么概念，有哪些實際用例？郝一亞：AI算法在實際應(yīng)用當中有很多問題，在音視頻算法中，讓AI去處理一個鏈路很長的算法問題時，Model的效果、泛化能力、計算復(fù)雜度都很頭疼。如果是沿用傳統(tǒng)的算法，將傳統(tǒng)算法中的一個適合AI的模塊單獨拿出來，用訓(xùn)練的Model來處理，這種方式往往在上述的三個維度都能有提升。LiveVideoStack：將具體技術(shù)“產(chǎn)品化“的過程中您遇到過哪些困難？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程當中，穩(wěn)定性和高可用性是我們的首要目標。在此基礎(chǔ)上，我們會不斷地去match產(chǎn)品的需求，分清需求的重要程度，不斷地對算法的細節(jié)進行調(diào)整。

LiveVideoStack：據(jù)您個人經(jīng)驗，中美科技公司將音頻技術(shù)“產(chǎn)品化”的過程有何不同？郝一亞：其實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，美國和國內(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：就您個人經(jīng)驗，國內(nèi)的公司需要如何快速彌補這一點不足；以及國內(nèi)互聯(lián)網(wǎng)公司又有哪些令你欣賞的優(yōu)勢呢？郝一亞：首先，這些不足沒法快速彌補。追趕的方式我認為還是積累更多相關(guān)的人才，還需要讓更多管理者認知到音頻開發(fā)和其他開發(fā)的不同之處（開發(fā)周期長，需要時間打磨與積累）。我認為國內(nèi)現(xiàn)在最大的優(yōu)勢在于國家層面開始重視音視頻技術(shù)，以及國內(nèi)的消費能力和市場，這兩點足以支撐音頻領(lǐng)域的快速積累。LiveVideoStack：您現(xiàn)階段正在解決的問題？郝一亞：現(xiàn)在基于AI的音頻算法產(chǎn)品化的過程中，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、降低計算量。LiveVideoStack：您下一階段的研發(fā)目標？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：LiveVideoStack】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。