腾讯游戏-语音大模型-高级研究员

负责智能NPC对话（语音合成TTS）方向的前沿研究，研发新一代语音合成底座模型，驱动游戏中的智能NPC像真实人物一样与玩家实时交互；

研究最新的大模型后训练、蒸馏技术，深入神经音频编解码、语音token化、零样本音色克隆、情感与韵律控制、流式低时延合成等方向，让大模型学会扮演各类游戏NPC角色，拥有高度拟人化的性格、情绪、音色及语言风格，并与玩家实时交互，优化模型线上推理效果；

构建NPC语音生成专用数据集，训练和微调大模型，提升生成语音的听觉自然度、音色一致性、可懂度、情绪与韵律表现力，减少人工后期调整，探索多奖励强化学习（RL）、可验证奖励（RLVR）、小模型蒸馏（OPD）等技术，优化生成结果与NPC人物设定的匹配度；

与游戏引擎团队协作，确保生成内容可直接在主流引擎（如Unreal）中运行，监控模型在真实场景中的表现，持续迭代优化生成效果和稳定性；

与游戏策划、美术、程序团队紧密合作，理解业务需求，将技术方案转化为实际生产力，输出技术文档、专利或论文，推动行业技术标准建设；

跟踪语音合成与游戏AI领域最新进展，主动探索新技术在智能NPC场景的落地可能，赋能生态二方游戏项目。

硕士及以上学历，人工智能、语音合成、语音信号处理、机器学习或相关领域毕业，在语音合成大模型方向有深入理解与丰富实践经验；

精通Python与PyTorch生态，熟悉DeepSpeed / Megatron-Core / FSDP等训练框架与vLLM / SGLang等推理框架，深入理解神经音频编解码器（EnCodec / DAC、RVQ分层token）、语义token与声学token建模、声码器（HiFi-GAN / Vocos等）；

具备TTS大模型训练与微调经验，掌握分布式训练、混合精度、梯度检查点等工程能力，有实际使用、评测或二次开发业界前沿语音大模型（如CosyVoice、MiniMax Speech、Seed-TTS等）的经验；

系统掌握TTS大模型后训练技术栈：SFT、偏好对齐（DPO / IPO / KTO）、强化学习（GRPO / PPO / REINFORCE++），熟悉多奖励强化学习并围绕音色相似度、可懂度、情感表现、韵律等维度构造奖励，能运用ASR / 评测模型作为可验证奖励（RLVR）进行训练与对齐；

深入理解模型蒸馏技术：策略蒸馏（OPD）、多教师蒸馏、自蒸馏，能将强教师模型的能力迁移到线上服务的小模型；

熟悉TTS数据管线构造：源分离与VAD切分、音质过滤、富转写标注、合成数据生成、数据清洗去重与质量过滤，能围绕音色一致性 / 情绪 / 韵律 / 语言风格设计数据方案并搭建数据飞轮；

熟悉TTS评测管线构造：自然度（MOS）、可懂度（CER / WER）、音色相似度（SIM）、韵律与情绪一致性等主客观指标及实时性指标（RTF / 首包时延），能建立端到端评测体系与在线A/B反馈闭环；

具备端到端TTS大模型后训练落地经验：完整跑通「数据 → 训练 → 评测 → 上线」全链路，能在实时性与成本约束下最大化语音生成效果；

熟悉语音生成线上推理优化：流式合成与低时延推理、KV Cache、量化、多说话人并发服务及零样本音色克隆的高效部署等；

具备良好的跨团队沟通能力和技术文档撰写能力，能高效推动技术方案在游戏业务中的落地。 加分项

了解游戏领域专业知识（游戏引擎、策划、叙事）者优先；

在语音大模型任务上取得SOTA成果，或在相关顶会 / 顶刊（NeurIPS、ICLR、ICML、ICASSP、INTERSPEECH等）发表高质量论文者优先；

有零样本语音克隆 / 情感表现力TTS / 流式低时延TTS落地经验者优先；

熟悉不同训练与推理芯片性能优化者优先；

有智能NPC / 角色扮演 / 语音对话端到端落地经验者优先；

有开源语音合成项目贡献或主导过百万级小时语音数据建设经验者优先。