微信小微-支持方言的音频理解模型

课题背景： 微信语音消息、语音输入与通话场景覆盖海量用户，但普通话之外还存在大量客家话、邵阳话等小众方言使用需求。现有音频理解模型在方言场景下常出现识别不准、语义理解偏差等问题，影响沟通效率与产品体验，因此需要建设支持多方言的音频理解模型。 课题挑战： 方言种类多、发音差异大，同一句话在不同地区的音系、词汇和语法上差别明显，导致模型泛化困难。另一方面，方言标注数据稀缺且分布不均，部分长尾方言样本极少，训练成本高。真实微信场景中还存在口语化表达、多人混说、噪声干扰、设备差异等问题，需要模型同时具备鲁棒的语音识别、方言适配与语义理解能力。 具体工作： 参与方言语音数据处理与分析，探索多方言音频理解模型训练方案，优化识别与理解效果，并结合真实场景完成评测、迭代和效果验证。

学历和专业要求： 来自计算机、人工智能、自动化、电子信息、信号处理、数学等相关专业的博士/硕士同学。 技术技能要求： 掌握深度学习、生成模型、序列建模等算法及应用，熟悉Python，了解PyTorch/TensorFlow等训练框架。 软性素质要求： 具备良好的沟通协作与问题分析能力，对音乐、音频或AIGC方向有兴趣，学习能力和执行力强。 此课题同时招聘应届实习生和低年级实习生。