算法应用工程师（语音）

基于ONNXRUNTIME、MNN、NCNN、QNN、RKNN等开源推理框架或工具链，将神经网络模型部署在高通、RK等中高算⼒平台；

对模型量化（PTQ）⽐较熟悉，可以基于多种⼯具链对模型在工程层面进⾏轻量化；

对多核异构低算力语音芯片中的DSP、NPU等加速硬件比较了解，能够对模型编译转换并运行到不同加速核，能够使用C编写神经网络算子，实现特殊模型的移植部署；

使用C语言实现常用信号处理和神经网络推理，将算法模型部署到单片机等嵌入式MCU，编译、调试与优化算法模型在该平台的运行效率，降低软硬件开销；

对所主导的工程模块进行文档编写，协助客户需求评估，以及后期问题排查。

硕士及以上学历，算机、信号处理、通信、数学、自动化等相关专业；

对语音信号处理比较了解，熟悉语音处理链路的一般流程；对常用的神经网（DNN、CNN、RNN、LSTM、Attention）的前向推理比较了解；

对模型压缩技术（量化、剪枝、蒸馏）比较了解，至少熟悉MNN、NCNN、QNN、RKNN等至少一个工具链的使用；对SIMD（NEON）或者DSP-HIFI4/HIFI5比较了解；

良好的C/C++编程能力，对数值计算、定点化方法比较了解；

对端侧中高算力平台以及ARM低算力嵌入式平台都比较了解，熟悉神经网络模型在高通、RK、STM32、ESP32等平台的移植部署和加速方法，在至少一种平台有语音算法效率优化和落地经验；

对常用音频处理库SoX、WebRTC、Speex、Opus、FFMPEG等比较了解。