算法工程师（语音方向）(J44957)

1.参与语音合成、语音识别、语音大模型及实时语音交互等方向的算法研发与优化，包括 TTS、ASR、Voice Conversion、SpeechLM、情感语音和端到端语音对话等；

2.参与语音模型的数据处理、训练、微调、评测与迭代，持续提升模型在自然度、准确率、表现力、稳定性和实时性等方面的效果；

3.参与语音数据 Pipeline 和算法工具建设，包括文本与音频处理、数据清洗、特征提取、数据标注、自动化评测及 badcase 分析等；

4.面向实际业务场景，参与多语种与方言、情感表达、个性化音色、音色克隆、低延迟流式交互等能力的研发和产品化落地；

5.跟踪语音、自然语言处理和多模态大模型领域的前沿进展，复现并验证相关论文或开源方案，探索 LLM、多模态模型在语音任务中的应用；

6.与产品、工程及其他算法团队协作，完成算法方案设计、实验分析、效果优化和模型部署支持。

1.计算机、人工智能、电子信息、信号处理、通信、自动化等相关专业本科及以上学历；

2.具备良好的机器学习和深度学习基础，理解Transformer、注意力机制、监督学习等基本原理；

3.熟练使用Python，熟悉Pytorch、Tensorflow等至少一种深度学习框架，能够独立完成模型训练、调试和实验分析；

4.对语音技术有浓厚兴趣，了解以下至少一个方向：

- 语音合成与声码器；

- 自动语音识别；

- 声音转换与音色克隆；

- 语音情绪识别与情感语音；

- SpeechLM、AudioLM或者多模态大模型；

- 实时语音交互或者Voice Agent；

5.了解音频信号处理基础知识，如采样、频谱、梅尔谱、声学特征等；能够使用常见音频处理工具或者库；

6.具备较强的算法实现、问题分析和实验能力，能够通过数据、指标和badcase定位并改进模型问题；

7.具备良好的学习能力、沟通协作能力和自驱力，能够阅读英文技术资料及论文。