The posting
1.参与设计以语音为核心、融合文本/视频等多模态信息的大模型结构与训练方法,探索语音理解、语音生成、语音交互中的表征学习、时序建模、情感表达和跨模态对齐问题; 2.参与构建语音大模型的数据体系与后训练流程,包括高质量语音数据收集、清洗、标注、合成、对齐、偏好数据构造、监督微调、强化学习、推理时优化和模型评估,理解数据对模型能力提升的关键作用; 3.面向高表现力内容创作赛道,参与研发高自然度、高表现力、可控音色/韵律/风格/情绪的音频生成模型与创作工具,支持配音、有声内容、角色语音、音乐及多场景声音创作; 4.面向 voice agent 赛道,参与探索实时、低延迟、可打断、可控且具备人格化表达的语音智能体技术,建设语音理解、对话决策、工具调用、语音生成和端到端评估能力。
1.人工智能、计算机、自动化、数学、信号处理、语音相关专业优先; 2.怀有科技改变世界的远大抱负,有志于投身语音大模型、多模态智能、生成式内容创作和 voice agent 等前沿方向; 3.具备扎实的数据结构、算法设计和编程基础,熟练掌握 Python/C++ 中的一种或多种,了解 PyTorch、TensorFlow 等深度学习框架,有分布式训练、模型推理或工程系统实践经验者优先; 4.有大模型、语音合成、语音识别、语音理解、语音生成、音乐生成、多模态理解与生成等相关项目、实习、科研、开源或课程实践经验者优先,能够清晰理解并复盘项目中的数据、模型、训练、评估和迭代过程; 5.具备良好的工程意识和 Infra 兴趣,愿意深入大规模数据管线、训练平台、实验管理、评估平台、模型服务、在线推理、成本优化和稳定性建设等方向; 6.对语音技术有浓厚兴趣和基础理解,了解声学特征、语音表征、音色、韵律、情感、说话人建模、音频 codec、流式语音交互、语音质量评估等关键概念者优先; 7.责任心强,积极主动,有良好的学习能力、沟通能力和团队合作能力,能够在快速变化的研发环境中持续成长并交付高质量结果; 8.了解或愿意使用 code agent、harness engineering、自动化评测、智能体辅助研发、数据/实验自动化等新的人机协同工作范式者优先;在大模型、语音、RL、voice agent 方向有高质量项目、实习、科研、竞赛或开源经历者优先。



