全双工实时交互科研实习生

调研并整理全双工语音交互、实时多模态智能体、语音大模型和音视频通话智能等方向的前沿论文与开源项目，跟踪领域最新研究进展。

复现并测试实时语音交互相关模型和系统，包括语音识别、语音理解、语音生成、端到端语音对话模型等，完成基础实验与性能分析。

参与全双工交互系统研究，探索用户与智能体之间实时自然交流中的语音感知、实时响应、打断处理、多轮对话和上下文保持等关键技术。

协助构建实时音视频交互实验流程，包括语音数据处理、交互场景设计、系统测试和评测指标制定。

参与音频—文本—视频多模态信息融合研究，探索实时通信场景下不同模态信息的统一理解与生成方法。

协助开展实验设计、数据分析和技术文档整理，参加课题组讨论并进行阶段性研究汇报。

招募对象：本科生、硕士研究生。

计算机、人工智能、电子信息、软件工程、数学、自动化等相关专业背景优先。

具备 Python 编程基础，了解机器学习、深度学习和大语言模型基本方法。

对以下方向具有研究兴趣：全双工语音交互（Full-duplex Interaction）；实时语音大模型（Real-time Speech LLM）；多模态智能体；音视频通话智能；人机自然交互。

能够阅读英文技术论文和相关资料，具备基础实验复现、代码调试和结果分析能力。

有以下经历者优先：语音识别、语音合成、语音对话系统相关项目；大语言模型、多模态模型或智能体开发经验；PyTorch、音频处理工具、实时系统开发经验。

具备较强的问题分析能力和工程实践能力，能够主动探索实时交互系统中的技术挑战。

对下一代智能交互系统、实时音视频理解与生成技术具有持续兴趣，能够稳定投入科研时间。

实习安排：线下科研实习；周期3–6个月；每周投入20–30小时。