端到端语音大模型

"随着游戏产业的全球化进程加速，“全球同服”（一个服务器容纳全球玩家）已成为大型多人在线游戏的主流运营模式。然而，语言屏障严重破坏了游戏的核心社交与合作体验，成为制约全球同服生态发展的关键瓶颈。 现有的解决方案（如内置文本翻译、第三方语音转译插件）存在显著缺陷：流程割裂、延迟高、丢失情感信息、无法处理游戏术语。玩家需在游戏、翻译软件、语音聊天工具间频繁切换，体验碎片化。 本课题旨在研发一款专门为游戏场景优化的端到端语音大模型，实现实时、准确、高保真的跨语言语音同传，让全球玩家能够像使用母语一样，通过语音进行无缝交流与协作，从根本上提升全球同服游戏的可玩性与社交深度； "

1. 01

   包含但不限于计算机科学、人工智能、模式识别、电子信息、通信工程、声学、自动化等相关专业的博士或优秀硕士；

2. 02

   熟悉语音合成（TTS）或语音信号处理相关算法，了解Transformer、扩散模型、Flow Matching、语音编解码等技术；熟练使用PyTorch等深度学习框架，掌握Python编程语言；

3. 03

   对语音合成和情感表达方向有浓厚研究兴趣，具备较强的文献阅读与问题分析能力，沟通协作意识好，自驱力强，能积极主动推动研究进展。