陈思远 · 语音&视频&图形开发

主导实时音视频通信底层模块重构，基于WebRTC和FFmpeg重构H.264/H.265硬编解码管线，将端到端延迟从120ms降至65ms，支持1080p@30fps流畅传输。为图形渲染引擎集成OpenGL ES渲染管线，实现动态纹理合成与GPU加速的视频帧处理，帧率从25fps提升至45fps，渲染开销降低40%。设计并部署AI降噪模块，采用轻量级CNN模型在C++端实时推理，抑制非平稳噪声15dB以上，通话场景MOS评分提升0.8。开发基于超分辨率网络的实时视频增强模块，在移动端以8ms延迟实现2倍画质提升，输出分辨率由720p提升至1080p，峰值内存占用仅增加12MB。重构编解码参数自适应策略，结合网络带宽实时反馈动态调整码率和分辨率，在丢包率5%的弱网下视频流畅度提升50%，卡顿率降至0.3%以下。

为某互联网大厂视频云转码服务设计并实现基于FFmpeg的H.265编码加速模块，通过引入多线程并行帧处理和内存池管理，将单路1080p视频的编码吞吐量提升32%，CPU占用率降低18%，成功通过每日百万级请求的压力测试。重构核心编码流水线，采用SIMD指令集优化运动估计与整数变换环节，在相同码率下编码速度提升27%，PSNR波动小于0.1dB，经A/B测试确认上线。针对4K超高清场景，实现自适应分片并行编码策略，结合动态线程池调度，将大规模转码任务的整体处理时间缩短41%，并发错误率降至0.03%以下。编写C++性能基准测试与异常监控模块，协助团队定位并修复5个多线程竞态条件问题，保障模块在生产环境下99.95%的可用性，支撑日均10万+转码请求。

负责基于Wav2Vec2的中文端到端ASR系统开发，在2万小时自有语音数据集上训练，将词错误率（WER）从18.5%降至12.3%，推理速度达实时1.2倍。基于FairSeq框架实现FastSpeech2的TTS系统，设计多说话人音色嵌入层，合成语音MOS评分达4.2，单句合成延迟低于50ms。使用PyTorch构建数据增强Pipeline，包含SpecAugment、随机噪声注入和速度扰动，将有效训练样本扩充至原始3倍，模型在噪声场景下字错率降低6.8%。通过量化感知训练将ASR和TTS模型从FP32压缩至FP16，推理吞吐提升40%，内存占用下降50%，成功部署于树莓派等低功耗设备。

使用C++与OpenGL独立设计并实现从零搭建的轻量级3D渲染引擎核心图形管线，包括顶点处理、光栅化与片元着色，成功加载含2.3万三角面的人体模型并驱动15根骨骼的实时动画，帧率稳定在60fps。基于PBR金属度-粗糙度工作流，编写GLSL着色器集成IBL环境光照、法线贴图和预滤波贴图，使材质渲染效果接近虚幻引擎标准，通过参数调整可模拟30余种真实材质。实现基于蒙皮矩阵的骨骼动画系统，支持每顶点最多4权重，完成走、跑、跳3组动画插值，动画播放内存增量仅15%，渲染延迟控制在2ms以内。优化渲染管线性能，应用视锥体裁剪与实例化绘制，将场景中50个不同材质的物体绘制时间从10ms降至4ms，渲染效率提升2.5倍，多材质编译后着色器数量不超过20个。

在亚洲区域赛中荣获银奖，体现团队编程与算法设计能力。