做语音方向的研究与工程，专注两条线：
- 语音识别（ASR）——流式解码、transducer/CTC 的搜索数学、码切换（英中混合）评估、延迟预算下的分块调度
- 端到端语音对话（spoken dialogue）——离散语音单元、文本+语音统一 token 流、全双工轮次机制（barge-in、打断恢复）、会话级确定性重放
我相信语音工具的可复现性应该像编译器一样严格：默认全离线、种子即结果、每个测量数字都能在一台笔记本上重跑出来。
流式语音识别工作台（Python · NumPy 核心 · torch CPU 可选）
|
端到端语音对话框架（Python · NumPy 核心 · torch CPU 可选）
|
- 离线优先：默认测试与示例不需要网络、GPU、预训练权重或真实语音数据集
- 合成数据 + 植入真值：所有报告数字来自带已知答案的合成实验，明确标注，绝不冒充真实基准成绩
- 每提交验证：构建、测试、格式检查全绿才进历史；版本只走 patch 步进
- 确定性即契约：同种子同输入 → 字节级一致输出，重放与直跑结果相同
echo = 回声 · scribe = 书写者 · parley = 会谈 —— 让机器听清，也让机器懂得轮流说话。