研究型实习生-面向通用场景的智能交互语音理解大模型与鲁棒语音识别技术

1. 01

   负责语音识别/语种识别/情感识别等方向的算法研究和开发；

2. 02

   负责音频理解/用户意图理解等算法研究和开发；

3. 03

   语音统一多模态大模型：研究下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模。

1. 01

   硕士及以上学历，计算机科学、人工智能、语音信号处理、自然语言处理或相关专业。

2. 02

   具备扎实的计算机与机器学习理论基础，熟练掌握至少一种编程语言（如 Python/C++），工程实现能力强。

3. 03

   熟悉语音识别、语音合成、口语语言处理、语音交互等核心技术，具备以下一项或多项经验：

4. 01

   语音端到端声学建模（如 Transformer、Whisper、Qwen-Omni、Baichuan-Omni）；

5. 02

   语音无监督预训练（如 Wav2Vec）；

6. 03

   大语言模型（LLM）相关研发，包括预训练、SFT、强化学习；

7. 04

   语音端到端大模型（Audio Encoder + LLM）的联合训练与优化；

8. 04

   对前沿技术有强烈探索欲，具备优秀的自驱力、独立思考能力和团队协作精神。

【加分项】

1. 01

   在NeurIPS、ICML、ICLR、CVPR、ACL、AAAI、Interspeech、ICASSP、ASRU 等顶级会议/期刊发表过论文（尤其一作）。

2. 02

   在 ACM、Kaggle 或语音/多模态相关国际竞赛中获得优异成绩（如前三名）。

3. 03

   具备跨领域研究经验（如 NLP + 语音、音频信号处理 + 深度学习）。

4. 04

   成功复现或改进过 SOTA 语音算法，或有开源项目贡献。