从2017年4月22日一场LiveVideoStack活动开始，每次活动都会选1-2本技术图书作为奖品。我们相信阅读这件事情“从来都不晚，一直都有用。”大多数技术牛人都推荐研究开源项目的源码，勤看论文，但推荐高质量的多媒体开发领域的技术图书并没有达成共识。今年，我们先后推荐了《移动音视频开发进阶指南——基于Android与iOS平台的实践》和《FFmpeg从入门到精通》（想要得到刘歧大师兄这本书的同学可以关注我们在上海的活动《LiveVideoStack Meet上海：多媒体开发新趋势》） 本文是对触宝科技音频技术专家吴威麒的邮件采访，他非常详尽的推荐了多本多媒体开发经典图书。
策划 / LiveVideoStack
LiveVideoStack：吴威麒你好，能否简要介绍下自己，包括目前的主要工作及关注领域？
吴威麒：我是2013年毕业于上海大学通信与信息工程学院，信号与信息处理专业。毕业后从事过一年的音视频应用层开发，之后主要专注于音频算法方面的研究与开发。目前在触宝科技担任音频技术专家，主要负责优化PC端和移动端的通话音质。自己比较感兴趣的领域包括语音增强、音乐分析、数字音效、语音合成与识别、VR技术、以及深度学习在音视频领域的应用。
LiveVideoStack：对于学生或没有多媒体开发经验的技术人而言，如何从零开始学习多媒体开发？有哪些学习文档、图书、资料推荐？
吴威麒：对于想从事多媒体工程开发的新手，推荐以开源项目FFmpeg为中心，首先学会应用，再熟悉整个架构，最后对自己感兴趣的模块深入到源码学习，遇到问题会查相关资料，这样可以快速入门。
对于想从事语音信号处理与音频算法开发的同学和新手，一方面吸收开源工程的优秀模块，但更为重要的是要学习相关理论基础，在这里给大家推荐一些书籍：
《Discrete-Time Signal Processing》
这本数字信号处理图书是最为经典的图书之一，作者是奥本海姆，他为数字信号处理这门学科的建立和推广起到了极为重要的作用，因而在信号处理界拥有巨大的声望。
《Discrete-Time Speech Signal Processing: Principles and Practice》
这本书是数字信号处理在语音领域应用的经典书籍之一，全书以概述的形式阐述了语音信号处理的方方面面：包括语音发音机理，声道建模，语音编码、语音增强、语音合成与变换、语音识别、说话人识别等，可以让大家对语音信号处理领域有个全面的认识。
《Matlab 之语音处理与合成工具箱》，《MATLAB语音信号分析与合成》
这两本书可以让大家对语音有个更加直观的认识，熟悉语音的生成、元音和辅音建模生成、语音的相关特征以及控制参数重新合成语音。
《Real-Time Digital Signal Processing Fundamentals, Implementations and Applications》
这本书的主要特点是除了理论叙述外，还有与之相关的工程实践，进一步让读者加深理解，同时加强动手能力。
还有一些特定领域的书籍：
- 语音识别：《Speech Recognition: Theory and C Implementation》
- 数字音效：《Digital Audio Effects》
- 语音增强：《Specch enchancement theory and practice》
以上的这些都是语音与音频信号处理的基础书籍，里面阐述的都是一些经典方法，如果要做出更好的效果，这些是远远不够的，需要多读论文，多动手仿真，学会筛选资料，有自己的想法，用工程手段避开技术盲区等，才能以最短的时间做出最优的效果。
最后，希望能给予这块的研发人员更多一点耐心。因为每个技术细节可能有很多相关的文献，经常会仿真了很多文章，效果都不理想，即使找对了资料，很有可能忽视了某些细节，很长的一段时间都没有突破，甚至有些需求通过技术手段目前是无法落地的。
坑很大，研发不易，且行且珍惜。
LiveVideoStack：展望未来，你认为多媒体技术在哪些场景或行业有机会重度使用？
吴威麒：未来比较看好VR和AR音视频产业的发展，它改变了音乐、影片、游戏等制作方式，大大提升了人们的感官体验，丰富了人们的娱乐生活。整个VR产业链，包括VR硬件设备制造，VR内容生成制作，以及VR内容平台和分发等，将会大放异彩。除了被动接收内容，通过手势或者语音或者虚拟按键，让交互变得简单、立体化，一切变得越来越智能，如果可以的话，完全生活在一个虚拟世界里，不用出门，就能感受到南极的风光、喜马拉雅山的壮丽、撒哈拉沙漠的神秘…
另外，比较看好AI产业助力制造业、物联网改造升级，让人们控制设备变得更加容易和方便，甚至通过AI大脑控制所有设备，实现更高精度、所有零件实现标准化、完全自动化，将人们从简单无聊的工作中解脱出来。
