在LiveVideoStackCon 2020北京站，我们邀请到了算法工程师的无声八宝粥，这是一段曾经为苹果、脸书和Zoom工作的音视频。易亚博士毕业于美国达拉斯德克萨斯大学，曾在统计信号处理研究实验室担任研究助理，专注于助听器中的语音数字信号处理算法。
2019年底，沉默的八宝粥加入了网易。其研究范围包括传统的信号处理算法和基于人工智能的算法。沉默八宝粥除了是人们口中的“程序员”之外，还有着嘻哈老师、国家二级乒乓球运动员等多重身份。并参加过顶级歌手的世界巡演.而当一个美国的医生从湾区来到大陆，他的生活发生了什么变化？
用沉默的八宝粥自己的话说，就是“系统依然收敛稳定”。
以下内容由LiveVideoStack与沉默八宝粥的一次访谈整理而成。
LiveVideoStack:在你众多的身份中，你更喜欢哪个“自我”，最满意哪个“自我”？在众多的标签中，开发人员/程序员处于什么样的位置？
无声八宝粥：最过瘾的可能是舞蹈家/编舞家的身份，最满意的应该是声学工程师的身份，因为我能从普通的声音中听到更多的信息，比如声音是否失真，每个人的音高基频，环境噪音的分贝数等等。
开发人员/程序员应该相当于我实现自己算法的一种方式。要将我听到和提出的算法应用到实践中，我需要自己去写。
LiveVideoStack:在美国学习和工作时，你最开心的时刻是什么？
无声八宝粥：应该是博士答辩结束，老板对我说“恭喜郝博士”的时候，提案成功的时候。
LiveVideoStack:加入E-Cloud后，你的生活发生了哪些变化，有哪些喜怒哀乐？
沉默八宝粥：其实没什么好担心的。如果你坚持，可能是工作时间的增加导致家庭和个人时间太少。
其实我喜欢的东西还挺多的。我以前没有去过中国的公司，但我已经准备好应对“糟糕的情况”。但在实际工作中，团队氛围、专业水平和我的适应状态都达到了很好的正反馈系统，用DSP术语来说还是收敛稳定的。
音频算法的迭代不是一个短、平、快的工程，需要耐心打磨和积累。网易就是这样一家企业，别出心裁的创新。这是我选择网易云信的最大原因。
LiveVideoStack:每周四在云信的程序员们分享进展如何，最近分享了哪些有趣的话题？
沉默八宝粥：我觉得周四的分享特别好，分享内容广而深。给我印象最深的是音频组同事谈到的音频信号问题分析。现场气氛很好，大家都在积极讨论。而且，分享之后，大家的反馈也表明，他们知道很多音频问题背后的具体原因。虽然分享最后有点像音频组的“甩锅大会”。
LiveVideoStack:你在FB、苹果等互联网公司工作时遇到过哪些令人印象深刻的技术问题，你是如何处理的？
无声八宝粥：当时在苹果，第一个落地的算法是结合了新传感器的音频算法。当时的难度挑战是相关论文很少，很多细节只能自己去探索。我的回答是“加班”。
我开玩笑的。我加班了几天，但关键策略不是急于求成，而是要把每个产品下传感器的所有指标都考虑进去，测试好，打好基础，做好前期工作，让计划非常可行。
苹果的音频实验室设备齐全，达到了“随你便”的境界，为工作提供了很多便利。
LiveVideoStack:关于基于AI的算法产品化，你有什么平台或产品让你欣赏？
无声八宝粥：在音频领域，虽然AI音频算法在产品落地上仍未普及，但谷歌近年来一直是该领域的佼佼者，亚马逊Lab126在该领域的研究也非常先进。
LiveVideoStack:“AI算法任务模块化”是什么概念，有哪些实际使用案例？
无声八宝粥：AI算法在实际应用中存在很多问题。在音视频算法中，用AI处理一个链接较长的算法问题时，模型的效果、泛化能力和计算复杂度都很麻烦。
如果遵循传统算法，则单独取出传统算法中适合AI的模块，由训练好的Model进行处理，可以在上述三个维度进行改进。
LiveVideoStack:在具体技术“产品化”的过程中，你遇到过哪些困难？
无声八宝粥：
主要的困难是算法的研究与产品的需求之间往往存在着差距，在云信的算法落地过程当中，稳定性和高可用性是我们的首要目标。在此基础上，我们会不断地去match产品的需求，分清需求的重要程度，不断地对算法的细节进行调整。
LiveVideoStack：据您个人经验，中美科技公司将音频技术“产品化”的过程有何不同？
默默的八宝粥：其实中美公司在很多方面都已经比较接近了，在音频技术“产品化”方面，美国和国内公司相比，唯一的不同可能在于其音频技术产品化的流程比较清晰，音频相关的储备（比如音频工具、消声室、技术积累）比较完善。
云信目前也有很多音频相关储备，比如Soundbooth、人工头等工具，在传统3A算法和AI算法上都有可观的技术积累。
LiveVideoStack：就您个人经验，国内的公司需要如何快速弥补这一点不足；以及国内互联网公司又有哪些令你欣赏的优势呢？
默默的八宝粥：首先，这些不足没法快速弥补。
追赶的方式我认为还是积累更多相关的人才，还需要让更多追寻的乌龟认知到音频开发和其他开发的不同之处（开发周期长，需要时间打磨与积累）。
我认为国内现在最大的优势在于国家层面开始重视音视频技术，以及国内的消费能力和市场，这两点足以支撑音频领域的快速积累。
LiveVideoStack：您现阶段正在解决的问题？
默默的八宝粥：现在基于AI的音频算法产品化的过程中，瓶颈依然是算法的泛化能力和Model复杂度，我们现在所专注的就是在不影响算法表现的情况下去提高泛化能力、降低计算量。
LiveVideoStack：您下一阶段的研发目标？
默默的八宝粥：更深入的去“模块化”传统的音频算法，将更多的“小模块”用AI替代。
编辑：Coco Liang