来阿里iDST的第三周了，开始的两天在西溪园区里面还是有点晕头转向，不清楚工作区和食堂的结构，乃至于每次吃饭都从七号楼走到二号楼，因为不知道七号楼和八号楼有食堂……大概到了第四天就基本熟悉了，每天装的像个老员工一样上班，开会，吃饭，午休。
老实说，在这里的感觉和学校很相似，毕竟作为一个实习生，没有工作上的压力，也没有正式员工各种项目和各种会。每天和在校一样，跑实验，写代码，带着期待看实验结果……，效率上还是要优于学校的，很多方面原因吧，机器比实验室的好，实验跑的快，任务相关度较高，也没有学校的很多杂事，每天的精神高度集中，倒是每天早上要开个立会。考虑到人员的分布，所谓的立会也就是个电话会议，汇报一下前一天的工作，我的效率自我感觉还可以，每天的进展还是可以保证的。周末我还是照常去公司，我比较喜欢安静吧，周末去公司的员工比较少，一个人待在里面很安静，毕竟工作日的话，淹没在各种讨论，电话之中，心里还是有些不自在的。
我在这边做一些前端的工作，来之前向老板主动请缨的。说实话，前端我没有多少积累（但是未知对我有很大的吸引力），来之前花了几周时间看相关论文和麦克风阵列，信号处理相关的东西，到这边之后也差不多够用的。其实这边这个组（智能语音交互团队）在前端方面也没有很多技术积累，主要还是偏声学/语言模型的，因此，没有多少可以与之讨论的人，这点比较遗憾（来之前其实想找个大佬带的）。过去两周终于把CHiME4讯飞的前端复现了，中间出一了一点叉子，耽误了一点时间，好在后来check代码的时候发现了，用一个周末把结果跑出来了。
阿里入职之后的麻烦事还是蛮多的，首先就是各种权限问题，机器账户，网址访问，邮件组等等，每次申请都要一批人挨个审核……，大概前三天基本都在解决权限问题，直到上周才算初步搞定权限。实习生配置的是台式机+显示器+键盘+鼠标，这个真是要吐槽了，台式机意味着我只能在公司工作（并不允许使用自己笔记本，想要远程看个实验结果都不行）……键盘，鼠标，罗技，凑合用吧（我下次还是自备吧），显示器标配DELL P2417H，但是配个台式机并没有什么卵用，连个HDMI接口都不给，因为那个台式机上没有……。前一周的工作基本都是用自己笔记本连阿里guest wifi，远程学校机器做的。机器上只能钉钉，我来了之后基本一个教研室同一届的几个人全配合我装上了钉钉，否则他们找不到我，还有一个原因，给我发数据。我是空手来的，之前的数据，代码全在学校机器上，差不多麻烦他们用钉钉给我传了好几个G的数据，然后，MATLAB和Audition，光下载就下了一天（来之前没带安装包，这边又没有ipv6，虽然阿里网速确实快，但是百度云还是慢啊），前一周基本都在解决这些破事，有点心疼时间。
阿里iDTS给我的印象，实话实说吧，来之前以为是个做research的地方，来之后感觉一股浓浓的产品风。总感觉做搞开发（移动端和web）的和iDST的工位混在一起。我软件工程本科，对产品汪的各种讨论到是感觉倍加亲切，尤其某天中午正在午休，突然被一声“你好，电视”惊醒了，我看着那位对着电视debug的前辈，想起了我当年在实验室做KWS Demo的情景，场面一度十分亲切……不过五楼有个AI LIB，不知道那边在搞些什么（PS：iDST对面是咸鱼）。说到我们这个组吧，大部分人还是在搞项目，在实验室其实不太明白KWS这个东西有什么做头，来了之后倒是明白了，产品驱动，入口嘛……
工作压力这边感觉一般吧，大家一般晚八九点走，周末也没有多少人加班，我和团队的人交流不是很多，一点可能是年龄上有差距，大部分人都是85后，要么成家，要么有对象，和我这个还待在学校里面的人关心的东西已经有很大的不同了感觉（可能我这个人care的东西也不是很主流，只想找个地方安心做事）。其次就是团队有人做AM和LM，貌似还有人搞合成，boss应该也是做AM出身，但是搞前端的人不在这个团队内（貌似在西雅图……钉钉上总有时差），因此技术上的交流也不多，这点还是有些失望的。
工作上，把讯飞的CHiME4的Loop复现了，CGMM的效果还是一般，用NN估计mask表现的我这边普遍比CGMM好，其次就是MVDR和GEV的对比上，GEV虽然语音失真比较厉害，但是可以在eval-real这个集合上获得更低的wer，在其他三个集合上表现不如MVDR，我一直觉得四个测试集合音频的性质有差异，经常出现某个集合上变差，另一个集合上变好的现象。讯飞的思路是用VAD信息和IRM修正CGMM的mask，我这边用增强的数据重新算一遍mask和noisy数据的mask做一个combine，也就是说，NN这里扮演着IRM和mask estimator两个角色，VAD方法和讯飞保证一致，今天总算做出gain了，wer降了一个多点，GEV降到6.0%以下，这个结果还是比较正常的。由于目前这个AM是用6ch的noisy数据训练的，所以我对beamforming的结果用IRM做一个单通道的增强，虽然滤去了大部分噪声，但是在wer上是没有gain的，应该是mismatch更大了吧。其实我还想把mask estimator的NN换一个模型，隐式的学习clean/noise的mask，而不是目前的用人工计算的mask作为target，这个实验室他们搞增强的人试过，听说效果不错，可以拿来一试。
学校的考试还有三周，略慌，要开始复习了>_<。