语音算法简历中项目经验别再只写“用过Kaldi”，要写出实时率与唤醒精度

语音算法工程师负责语音识别（ASR）、语音合成（TTS）、唤醒词、声纹识别等。简历中的项目经验应突出实时率、识别准确率、模型压缩比及嵌入式部署效果。本文通过案例，教您用数据证明您的语音算法落地能力。

项目经验案例一：高实时率语音识别服务优化

2018.05 - 2020.09 某AI公司 语音算法工程师

项目背景：ASR服务实时率高达0.5，无法满足在线会议实时转写需求。

核心贡献：优化Kaldi解码网络，使用WFST动态解码，结合GPU批处理，实时率降至0.2。采用跳帧和语音端点检测（VAD）减少无效计算，单核QPS提升3倍，支持千路并发。

项目成果：服务上线后支撑每日百万级语音请求，端到端延迟低于100ms，客户满意度95%。

项目经验案例二：低功耗嵌入式唤醒词算法

2020.11 - 2022.03 某智能硬件公司 语音算法工程师

项目背景：智能音箱唤醒词在嘈杂环境下误唤醒率高，且功耗大。

核心贡献：基于DNN-HMM构建唤醒词模型，使用参数量化（INT8）和剪枝，模型从5MB压缩至0.5MB。改进前端降噪和VAD，信噪比0dB下唤醒率从85%提升至98%，误唤醒率降至0.5次/天。

项目成果：模型部署于ARM Cortex-M芯片，推理耗时从200ms降至50ms，待机功耗低于10mW，量产百万台。

总结

语音算法项目经验应围绕“实时率”“唤醒率”“模型压缩”“功耗”展开。用解码优化、量化剪枝等数据证明工程能力。让语音算法成为智能交互的入口，成为您最好的名片。