元宝-上下文语音生成研究

通过发挥大语言模型自身的推理与思维能力，让TTS模型根据需要播报的内容，对上下文信息进行增强。通过思维链技术，分析文本内容和目前的应用场景，自主决定播报风格与指令。在思维链过程中，可以分析文本中的不同角色信息，结合RAG等方案，自主构造多轮多说话人合成能力。

1. 01

   具有文本前端处理、音频tokenizer、LLM音频预训练、flowmatching和vocoder等方向的研究经验

2. 02

   具备文本LLM的理论研究和实践经验

3. 03

   熟悉语音大模型相关的强化学习技术

4. 04

   在语音顶会Interspeech、ICASSP等会议中稿者优先