The posting
负责语音大模型的研发,包括但不限于语音理解、语音合成方向等 参与语音大模型的数据准备和模型训练等 跟踪业界前沿技术,持续探索端到端技术的新能力和新应用,提升核心能力。
【职位要求】 硕士及以上学历,计算机、数学、通信等相关专业;研究方向为语音合成、语音大模型、多模态等相关领域。 熟悉机器学习和深度学习理论,掌握生成模型、多模态大模型等一个或多个方向的理论与算法,具备相关方案实现能力与经验。
【技术能力】 熟悉端到端语音大模型结构(如Qwen-omni、Step-Audio、LLaMA-Omni、GLM-4-Voice等) 熟悉常见语音合成大模型(如CosyVoice、F5-TTS、Index-tts、MegaTTS3等) 熟悉Pytorch、Python、C++/C、Shell等,对数据结构和算法设计有深刻理解 熟悉基于LLM的语音合成、端到端方法,持续关注语音/NLP/多模态的前沿技术
【优先条件】 实习时间6个月,博士优先 具有良好的团队合作精神、技术热情和自驱力 有顶会论文(各类CCF-A、ICASSP、INTERSPEECH等)、具体实践项目、实验室背景优先



