目前从事语音识别、语音多模态大模型工作，同时也有过计算机视觉方向的研究经历。希望能在AI领域做出一点点属于自己的成绩，悄悄努力，慢慢发光。
基本信息
- 姓名：liangxianchen
- 研究方向： 语音识别、多模态语音大模型
- 职业追求：AI改变世界，语音服务世界
- Email: 1761664682@qq.com
- 个人主页：http://chenpaopao.tech
教育经历
- 2021-2024，北京邮电大学，人工智能
- 2017-2021，北京邮电大学，信息工程
项目经历
语音识别（2024-2025）
- 从零搭建公司语音识别能力。为输入法、搜索、录音笔、审核等业务提供稳定的中/英语音识别服务，字错误率下降相对20%。
- 解决专有名词识别差、口音识别差、抗噪能力差的问题，实现高精度、低延迟的语音识别。
- 通过多个大模型过滤蒸馏以及TTS合成，生成大规模语音-文本数据，解决训练数据不足的问题。
- 负责各个业务的语音识别算法部署和更新、服务维护，优化离线长音频语音识别速度。
- 负责海外小语种ASR模型训练和优化，负责搭建语音同声传译服务。
语音多模态大模型（2024-2025）
- 探索大模型在多语种语音识别、理解、翻译等任务上的表现，负责整体架构设计与技术路线，负责大模型训练任务设计与模型能力提升，实现多个音频任务的性能提升。
- 解决语音数据不足问题，设计语音-文本自主标注流程，产出15万小时高质量多任务语音数据。
- 语音大模型在ASR/AST任务上相对开源模型有一定提升。
计算机视觉：新视点合成 （2022-2024 联想研究院）
- 负责图像分割后处理算法、3D 重建算法、新视点合成、裸眼 3D 视频合成研究。
- 实现业界首个支持 4K 超高清实时 2D 转 3D 技术，入选 2023 年度联想研究院十大动态科技。
- 发表图像分割后处理论文，以及2d转3d技术专利。
兴趣爱好：
”牛马“向往草原和高山！
