返回岗位列表

多模态口语交互算法研发工程师

查看原岗位

地点：北京薪资：薪资未公开日期：2026-01-29

岗位摘要

负责通义实验室多模态口语交互的算法研发，推进大模型增强的语言交互技术能力建设；端到端多模态联合建模：语音/视觉/文本等模态融合并应用于人机交互场景；多模态交互应用算法：意图动态规划、多智能体协作、多任务推理、主动交互

岗位职责

负责通义实验室多模态口语交互的算法研发，推进大模型增强的语言交互技术能力建设
端到端多模态联合建模：语音/视觉/文本等模态融合并应用于人机交互场景
多模态交互应用算法：意图动态规划、多智能体协作、多任务推理、主动交互
多模态对话系统设计：多轮交互状态管理、情境感知、情感理解及生成控制
转写内容后处理：书面化、标点、分段分章节
音视频分析：分角色、语种判别、视频场景划分
口语内容长篇章理解及生成
探索多模态口语交互技术落地于实际应用场景
持续关注行业前沿动态，通过专利申请、论文和技术报告等形式提升团队的技术影响力

任职要求

计算机或通信专业硕士及以上学历
具有2年以上多模态交互或语言理解算法研发经验，至少精通一项相关领域
精通基于深度神经网络的机器学习算法，熟悉Transformer、GPT、LLM等算法原理
掌握AI产品开发的开源工具和框架，具备优秀的编程能力
在顶级会议或期刊上发表过相关领域的论文者优先
有业界前沿的语音多模态交互或数字人交互系统的算法经验者优先