Chen Yuxuan

主要使用 Python、NumPy 和 PyTorch，研究从音频输入、模型训练到解码与评测的完整流程。

项目

项目	研究方向	已实现内容
hanstream-asr	语音识别	声学特征、CTC 束搜索与强制对齐、中文英文评测、可训练 GRU 基线
speechloom	端到端语音模型	可微音频编码器、因果解码器、文本/音频联合损失、流式协议与检查点

两个项目都包含命令行工具、可运行示例、输入契约测试和 CPU 模型测试。

当前关注

• 中文与英文转写的规范化、识别错误分析和可复现评测。
• 文本 token 与音频 token 的统一训练、模态权重和因果掩码。
• 有界音频缓冲、UTF-8 增量解码、背压与取消语义。
• 使用公开接口契约与自动化测试记录实现边界。