项目一：企业级智能客服语音分析质检系统
项目职责：语音算法核心开发者
项目描述：为某金融企业提供呼叫中心双轨录音的智能质检。系统需在复杂背景噪音下实现高精度的转写，并区分客户与坐席。
技术实施：
使用 WeNet 框架，基于企业提供的行业术语库进行模型微调，使垂类识别准确率提升至 96% 以上。
集成声纹识别与聚类算法（Speaker Diarization），实现说话人角色分离。
使用 TensorRT 对核心模型进行推理加速，单卡并发处理能力提升 3 倍。
项目成果：系统按时交付并平稳运行，大幅降低了人工质检成本。

项目二：智能硬件低功耗离线语音交互模块
项目职责：端侧语音算法负责人
项目描述：为某智能家居设备开发纯离线的“唤醒+命令词识别”一体化模块。
技术实施：
收集并合成增强数万条特定唤醒词音频，训练轻量级 KWS 模型。
设计 VAD（语音端点检测）+ 唤醒 + 离线命令词识别的级联架构，降低误唤醒率。
完成模型的 C++ 跨平台编译及 ONNX 模型量化，成功部署于资源受限的嵌入式芯片中。

项目三：某垂直领域AI语音转写与对话助手 (Vibe Coding)
项目职责：全栈独立开发者
项目描述：客户需要在一周内快速验证一款 Web 端产品，核心功能包括“网页端语音输入-实时转写-大模型提炼总结-文本转语音播报”，用于特定业务场景的信息自动化录入。
技术实施：
极速全栈构建：运用 Vibe Coding 开发模式，将产品需求解构为系统级 Prompt。使用claude code极速生成前端交互界面（如录音波形动画）与后端基础 API 骨架。
核心业务攻坚：将个人核心精力从“搬砖写代码”转移到“系统设计与难点解决”上。结合自身语音技术优势，快速打通浏览器音频流采集、WebSocket 实时传输以及后端 ASR/TTS 模块的无缝衔接。
质量把控：以“架构师兼 Code Reviewer”的视角审查 AI 生成的代码，解决跨浏览器录音兼容性及长连接断开等边界问题。
项目成果：凭借 AI 辅助编程的极速生成能力与扎实的语音算法底蕴，原计划两三周的全栈开发工作量，仅用 4 天即完成高质量交付。系统交互流畅无重大 Bug，帮助客户以极低成本完成了市场需求验证。

项目四：某内容平台定制化音色克隆与情感语音合成引擎
项目职责：TTS 算法负责人 / 核心开发者
项目描述：为某内容矩阵平台（主要业务为短视频与数字人播报）开发一套高质量的专属语音合成服务。客户期望只需少量录音数据（Few-shot），即可高保真复刻特定 IP 的音色，并支持多情感调节，彻底替代昂贵的人工配音。
技术实施：
小样本声音克隆（Few-shot Voice Cloning）：针对客户提供的非专业设备录音，使用深度学习降噪与音源分离算法提取纯净干声；构建自动化数据标注流水线，实现仅需5分钟有效音频即可高质量复刻目标音色。
核心模型优化：基于 VITS 端到端语音合成架构进行二次开发，剥离并增强了韵律预测模块，使合成音频不仅音色相似，还能逼真地还原发音人的语气停顿与情感起伏。
文本前端 (TN) 深度定制：针对业务场景，独立优化中文文本前端模块，有效解决了行业中常见的生僻多音字、特殊符号、日期数字以及中英文混读的准确发音问题。
长文本拼接与工程部署：设计智能断句算法，完美解决长文本（如小说段落）合成时的显存溢出与拼接处不自然的痛点；完成核心模型的 ONNX 导出与推理加速，封装成高并发的 API 供业务端调用。
项目成果：模型合成音频的 MOS（平均主观意见分）得分达到 4.1 以上，几乎达到真人水平。该系统帮助客户将单条视频的配音成本降低了 80% 以上，并成功稳定复刻并上线了数十个专属IP音色。