美国伊利诺伊理工学院博士，伊利诺伊大学芝加哥分校特聘研究员，声网Agora音频体验算法专家，拥有十年算法研究从业经验。先后主导过多个实时音频通讯领域的开发项目，包括AI降噪、盲源分离、实时美声音效系统等领域的产品研发。目前负责声网Agora超高音质音频系统的设计与研发。

基于稳态噪声估计的传统降噪在面对非稳态、突发的噪声时（例如铃声、键盘敲击声等噪声）降噪能力十分有限。而且，在实时系统中，噪声抑制需要满足因果性，这就对降噪算法的效果提出了更大的挑战。由于对噪声的鲁棒性以及对非稳态噪声的处理能力更佳，基于深度学习的实时噪声抑制开始在实时场景中受到更多关注。本次演讲针对实时音频通讯的开发者，将更多地聊一聊如何设计一个实时高效的、基于深度学习的噪声抑制算法。从噪声抑制训练数据的构造，到模型结构的设计的优劣势，以及如何进行工程化使模型能够在移动端顺畅的运行，本次分享的内容都会有所涉及。