西北师范大学音乐表演本科,毕业后在学校独立跑过几百场演出的全套技术制作,也做过 AI 提示词工程师,还在开发一个视唱练耳工具——做的每件事都是从真实问题出发。
这个页面就是我的简历。每一板块都有真实做过的事情在里面。
为音频类 AI 模型设计提示词模板,负责音频内容标注与质量评估,输出可用于模型训练的结构化数据集。熟悉音频标注任务的质检流程,理解训练数据对模型质量的影响。
负责器乐、声乐方向课程咨询与学员转化,累计服务学员 200+ 人次。
自主研发混音制作与视唱练耳课程,教授学员 200+ 人。在教学过程中发现出题效率的真实痛点,进而独立开发了听记生成器与节奏生成器,解决备课中的重复劳动问题。
参与话剧剧目排演与正式演出,积累舞台表演经验。
做视唱练耳老师的时候,备课出题是高频重复劳动——找谱例、手写节奏、设计听写内容,每次都在做同样的事。于是自己写了两个工具:听记生成器把音频转成带结构的文字稿直接用于出题,节奏生成器按难度参数自动生成练习素材。解决了自己的真实痛点,也成为后来接触 AI 数据生产的技术起点。
学生练音准,全靠老师在场,没有即时反馈机制。VocalSmart 做的就是这件事:实时音高检测、节奏训练模块、可视化反馈,目标覆盖视唱练耳核心练习场景。在前两个工具的技术积累上更进一步,融合了更完整的音频算法。Flutter 跨 iOS / Android / macOS / Windows / Web 五端,目前测试阶段。
从 GPT-3 发布就开始跟进,是最早一批深度使用者。三年多下来,AI 工具已经完全融入日常工作流,对 AI 产业生态有持续关注和独立判断。
提示词工程有体系,不只是「会用」。在冲上云霄做过系统性的音频领域提示词设计,理解模型训练对数据质量的要求。GPT-3 起步,跟进至今。
Midjourney、Stable Diffusion 有实际使用经验,用于内容创作和视觉设计辅助,了解不同模型的风格特点和适用边界。
持续跟进主流文生视频工具,了解其能力边界与适用场景,用于内容创作辅助。
听记生成器、VocalSmart 的开发过程中大量使用 AI 辅助编程与需求拆解,形成了自己的人机协作工作方式。同样的事情,产出效率至少翻三倍。
Flutter 跨平台开发 + Python 工具开发 + Web 前端,从零到可运行产品独立完成。
随合唱团赴国家大剧院、上海东方艺术中心演出;校级以上文艺汇演13场;惠民演出30余场,艺术展演比赛10余次。
参与西北师大传媒中心(学校官方视频号)内容制作,从拍摄剪辑做起,逐步承担分镜设计、现场收音,最后成为负责人,主导账号内容策划与发布节奏。账号粉丝规模达 10 万+,也负责过多场学校大型活动的舞台直播。
学校官号·活动宣传·品牌栏目,选题框架搭好,内容节奏就稳。
AI 负责生成初稿和参考音乐,我来决定什么要、什么不要。同样的内容,产出效率至少翻三倍。
多机位现场拍摄,用达芬奇和 PR 剪辑。这条视频展示的不就是我的成品。
每条内容发完我都会查数据,看看多少人看到、有多少人看完、有多少人关注。不看数据不知道有没有进步。
从零搭建直播间:麦克风收音、采集卡画面、OBS 导播合成、推流平台——每个环节都亲手配过,开播前一个人能验收完。
在甘肃省话剧院担任灯光师,主导剧目灯光效果设计与技术实现,协同导演完成光影优化;同时统筹宣传片剪辑与视觉设计。
Logic Pro 全流程独立完成——从素材录制、人声分轨、多轨混音到母带处理,87份商业制谱全部亲自混音后交付;12首作品从录音到成品全程独立完成。掌握 EQ、压缩、空间效果、响度控制等核心混音环节,能清楚描述并解决听感问题。
独立完成从需求分析到可运行产品的完整开发流程;熟练使用 AI 工具辅助编程与原型设计,具备独立拆解复杂需求并落地的能力。
ESP32 接收琴端 MIDI 数据并转发至电脑端,减少连线,保留原有输入输出链路。
帮学生检测自己唱得准不准、节奏对不对的工具。实时分析音高,可视化显示偏差,让视唱练习有具体反馈而不是光靠耳朵判断。Flutter 开发,跨 iOS / Android / macOS / Windows / Web 五端。