让文字变成声音
围绕 StepAudio 系列，承接文本到语音能力的服务化与持续迭代。
01 / AI INFRA & SPEECH
让声音，稳定地抵达。
这不是一份在线简历，而是一张工作脉络图：我怎样从图像算法走进语音系统，又怎样把模型能力变成可以持续运行、持续迭代的基础设施。
NOW / STEPFUN
把语音模型，放进真实的交互里。
从 2025 年 8 月起，我在 StepFun 做 AI Infra，围绕 StepAudio 系列负责语音推理服务。我的工作介于模型和线上系统之间：让能力被正确接入、编排和观测，也让它能够稳定地面对真实请求。
让流式识别进入在线链路
处理语音输入、会话状态和推理服务之间的真实工程约束。
让系统听懂何时开始
为识别、对话和实时交互提供清晰、可靠的语音活动边界。
让能力进入持续交互
串联输入、推理与输出，把多个语音模块编排成一段完整会话。
CAREER TIMELINE
StepFun · AI Infra Engineer
围绕 StepAudio 系列负责 TTS、ASR、VAD 与 Realtime 等语音推理服务，从模型接入、服务编排到性能与稳定性，让语音能力进入可持续迭代的线上系统。
科大讯飞（上海）· 研究算法工程师
围绕多语种 TTS、音色转换和语音大模型，把算法工作延伸到流式推理、并发调度、低时延部署与端侧适配。也是在这里，我开始真正理解一项语音能力要经过多少工程环节才能抵达用户。
光鉴科技 · 图像算法工程师
从训练数据采集处理工具到人脸算法 SDK，参与图像流水线集成、性能分析和自动化验证。第一段职业经历让我看到，工具和流程本身也会决定算法团队迭代的速度。
电子科技大学 · 软件工程
以软件工程为起点，从 C/C++、Python 和系统基础出发，后来一路走到模型部署、推理服务与 AI Infra。
PROJECT SIGNAL × CORE STACK
技术不是清单，
是做过的事留下的路径。
项目先讲问题与系统，技术随后出现。这里只连接已经确认的核心关系；其他能力留在跨项目工程底座，不为画面完整而猜测归属。
ENGINEERING LENS
在模型和系统之间工作。
模型只是起点
真正的交付还包括协议、资源、调度、观测以及每一个失败边界。
延迟是一整条链路
一次实时交互的体感，来自输入、分片、推理、编排和输出的总和。
让失败可以被看见
比起隐藏错误，我更关心让边界、状态和异常变得可观测、可解释。
给下一版模型留空间
好的基础设施不只服务今天，也要让明天的模型接入更快、迭代更轻。
这里聚焦适合公开的工程脉络：模型接入、服务编排、性能与稳定性。
看看技术思考 ↗