语音识别算法工程师

承担教育场景下的实时语音理解，结合降噪技术及富语言信息解析，优化长上下文、多说话人、多语种、及多轮连续对话场景的识别率，提升语音内容识别质量。 开发与优化低延迟语音处理方案，持续调优首包、尾包及整体响应时延，提升系统的实时性与用户体验。 负责语音交互中的判停、拒识及音频属性理解算法的研发工作，完善语音系统对复杂场景的适应能力。 实现语音打断机制，包括 TTS 播报中断、LLM 生成取消及上下文状态同步，确保多轮交互的流畅性。 参与实时语音对话系统的端到端技术架构设计与模块开发，协助优化系统方案并推动技术落地。 跟踪行业前沿的语音识别与对话技术，探索创新解决方案，并推动适应实际业务场景。

学历要求：硕士及以上学历，计算机科学、信号处理、电子信息、模式识别相关专业优先。 在语音识别（ASR）方向有1-3年的工作经验，有工业级 ASR 系统上线经验。 熟悉语音大模型，并能进行复杂场景的优化。 熟悉 ASR、VAD、LLM、TTS 等模块之间的协同工作关系，能够优化系统整体工作链路。 具备语音打断（Barge-in）、尾点检测及低延迟优化的经验，能够满足高实时性的技术需求。 熟练掌握 Python/C++ 等编程语言，熟悉 PyTorch 等深度学习框架，具有语音模型训练和优化的实施经验。 加分项： 具备端到端语音大模型（Speech + Text 联合训练）的训练与调优经验； 有语音技术相关论文在 Interspeech、ICASSP 等顶级学术会议发表； 具备优秀的问题解决能力与团队协作精神，能积极应对技术挑战并推动任务目标的顺利实现