座舱内语音识别的工作原理、关键指标（WER/CER）、常见痛点分析。
麦克风阵列布局设计、车内噪声抑制策略、回声消除技术。
波束成形算法、降噪算法选型、语音活动检测（VAD）调优。
端到端模型（如Conformer）与混合模型对比、数据增强策略。
座舱场景数据采集规范、标注质量控制、数据清洗流程。
说话人自适应（i-vector/x-vector）、个性化热词库、多语种混合识别。
模型量化（INT8/FP16）、剪枝与蒸馏、推理引擎选型（TFLite/ONNX）。
离线评测体系搭建、A/B测试流程、Bad Case分析与闭环。
某车型语音唤醒率从85%提升至98%的全过程复盘。
差分麦克风阵列设计、抗风噪技术、多麦克风同步校准。
基于深度学习的降噪（DCCRN/FullSubNet）、实时性优化。
基于DNN的VAD模型训练、端点检测精度与延迟的平衡。
自监督学习（wav2vec 2.0/HuBERT）在座舱场景的应用。
基于Transformer的LLM融合、上下文感知解码。
SpecAugment、Mixup、噪声叠加、房间冲激响应模拟。
异构计算（NPU/DSP）利用、流水线并行、内存优化。
语义准确率评估、用户满意度映射、长尾场景覆盖度分析。
唇语识别辅助、视线追踪与语音结合、手势+语音指令。
多人说话分离（语音日志）、鸡尾酒会问题处理、后排唤醒优化。
基于BERT的意图识别、实体抽取、多轮对话状态追踪。
流式识别与打断技术、VAD与ASR协同、低延迟设计。
本地处理与云端处理的分界、数据脱敏、联邦学习应用。
车规级芯片选型（SA8155/8295）、Codec选型、麦克风选型。
与车载操作系统（QNX/Android Auto）的集成、音频焦点管理。
大模型端侧部署、情感识别、主动交互、全场景智能体。