职位&公司对比

职位详情

• 北京
• 3-5年
• 硕士

• 语音合成
• 语音识别
• 语音后端

职位描述 1. 从事语音、音效、音乐等音频类算法的设计、优化和高效训练，达到SOTA的音频大模型效果； 2. 参与音频大模型的系统构建和开发，探索数据/模型scaling相关的前沿技术； 3. 参与构建高效的数据处理平台工具，进行大规模数据处理和分析； 4. 探索通用的音频多模态建模技术，探索前沿技术，解决业界实际问题。来自BOSS直聘 职位要求 1. 本科及以上学历，计算机科学、人工智能、自动化、数学、物理等相关专业优先； 2. 有语音合成与识别、音频生成、音乐生成、自然语言处理等研究或者技术背景者优先； 3. 拥有大模型训练和优化经验者优先，包括LLM、TTS/ASR大模型、音频理解大模型、音乐生成大模型等； 4. 深刻理解各类生成式模型者优先，比如自回归、GAN、VAE、Flow、Diffusion/flow-matching等； 5. 掌握音频处理流程的各个模块，包括语音合成前端，语音增强，语音识别，说话人日志(diarization), 强制对齐（force alibossgnment） ，并有相关模块训练和推理经验； 6. 具备扎实的编程基础，熟练掌握Python/C++等主流语言一种或多种，熟练应用pytorch、tensorflow、huggingface等深度学习框架和库； 7. 发表过领域顶级会议文章(NeurIPS、ICML、ICLR、ACL、Interspeech、ICASSP等)、相关实习经验或者ACM竞赛获奖者优先； 8. 具备良好的学习能力、逻辑思维能力和沟通协作能力，积极主动，责任心强。