前段时间一直没找到实习，在漫无目的的乱逛之下，投了字节跳动的音频工程师实习岗。本人研究生方向为音频异常事件的检测，主要是对环境声进行分析，不包括语音和音乐。看牛客上很少有音频这方面的试题和面经，就记录一下，方便后人吧。
一面的时候，面试官主要问的是项目上的细节问题，主要有以下问题：
1、描述一下你简历上做的项目（两个项目都是基于字典学习的音频异常事件的检测）
2、字典是怎么创建的（这部分回答了KSVD算法）
3、人耳听觉范围（20-20khz）
4、你们音频的采样率是多少(16k),那你们信号的最大频率范围就是8k对吗？对
5、那么，人格能听到20k的范围，但是你们检测的范围还差了12k，是不是就已经丢失了12k的听觉范围？这个问题你想过吗？（还真没想过，难道是我记错了？支支吾吾了好久，没答出来，最后他提醒说，人耳的听觉不是线性的，所以看上去差了这么多，其实是差不多的，丢失的也是不重要的信息，恍然大悟）
6、介绍一下MFCC和刚刚说到的短时能量谱（这个还是记得的）
7、说说为什么要用短时的能量？（因为是分帧，要计算帧能量）
8、分多少帧？（一般在10几到30左右）
9、那好，如果是20帧的话，就是50毫秒为一帧，为什么要取这个值呢？（答案：因为不能取太大，太大了这一帧就不是短时平稳的了，我们要对平稳信号进行分析，也不能取太小，要最少包含声音的一个半周期）
10、那也就是说，一秒取20帧的话，一个周期最少是多少赫兹？（这个问题卡了我好久，没打上来，一时没转过弯，一直想的是f=1/T,怎么都觉得不对，后来在面试官的提醒下，转过来了，就是20赫兹）
11、知道octive吗（不是的是不是octive,确实不知道）
12、知道dBfs吗（确实不知道）
13、那好，那你们采集音频的时候，那个音频有要求吧，声音大小？（那是的，不能太小到听不见，也不能太大到畸变）
14、那你们用什么来衡量声音的大小？幅值？还是？（用dB是可行的合理的）
15、那dB怎么算呢？（20logA）
16、你说的这个公式就是dBfs，dB有很多种不同的表示的（学到了）
17、你刚刚说MFCC，得到特征了以后呢？
18、为什么要加窗？（为了将很长一段信号分段处理）
19、一般加什么窗？（汉明窗，海宁窗等等）
20、为什么不加矩形窗（因为矩形窗进行FFT变换后是Sa函数，拖尾很长，收敛很慢，会对信号产生干扰）
21、你还有什么问题要问我？（这个岗位的职责？答3A，主要对语音信号进行AEC,ANS,AGC,处理，异常事件检测也有用）
这样一面就通过了，然后在房间里等待二面，二面发挥不太好
1、介绍一下你的项目（都是基于字典学习进行异常事件的检测方面的）
2、详细介绍一下训练字典的过程
3、要是输入信号数量特别大，100万个怎么办，你说的256维字典包含不了所有的帧特征怎么办
4、那可以放大字典维度，512，1024都可以
5、那要是就是特别大，有的特征就是没被包含到字典里面呢？（给我问傻了，我说多次迭代，重构误差缩小）
6、那要是字典里就是有特征没被包含进去呢，那稀疏表示的时候不就不准确了吗？（我真没想过这个哎，问倒我了）
7、得到字典以后，稀疏表示怎么做呢？
8、不是仿真不就没有逆吗？(我回答，奇异值分解可以做的吧，不对，然后我只能说，我只知道MATLAB里面的pinv函数不就是吗，面试官答，pinv其实已经帮你做了好多别的工作了)
9、你还有什么问题问我吗（依然是岗位职责，这个岗位主要还是对语音进行处理的）
结束，感觉二面回答的不好，还是对自己的项目没有熟稔于心吧，第一次面这种技术岗，就当是锻炼了，以后再加油吧
全部评论
(5) 回帖