研究型实习生 - 通用音频大模型统一表征和交互生成技术研究

本岗位聚焦通用音频大模型的前沿研究，围绕"听、说、唱、创"全能力统一建模展开攻关。实习生将深度参与语音理解与生成统一架构设计、全双工低延迟交互机制、多模态音视频协同生成等核心方向，探索混合Token架构、Test-Time Scaling、流匹配等前沿技术，推动音频大模型在智能语音助手、交互媒体等场景的落地。

1. 01

   博士/硕士研究生，计算机等相关专业优先。

2. 02

   有扎实的理论基础，对大模型相关技术研究感兴趣。

3. 03

   在相关顶会或期刊发表论文、在高水平技术评测或竞赛中获得Top成绩、在开源组织有贡献或影响力者优先。