通义实验室-语音大模型算法工程师-通义千问

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

单人/多说话人语音识别；语音合成与高质量音频合成；音乐生成 / 歌声生成；理解指令遵循能力提升与推理，包括 SFT, GRPO 等；流式音频交互模型的推理与加速 (熟悉RTC/WebSocket等)

计算机、机器学习等相关专业，博士及硕士优先
较强的代码能力，具有丰富的 TTS / Codec / 流ASR 研究经验，具有相关数据处理经验
精通 Python 以及 Pytorch 等深度学习框架
熟悉 Transformer 架构以及大语言模型基础知识
善于平衡研究目标及落地实现，且结果导向
关注技术影响力，具有开源开放精神
曾发表顶级会议论文并具有一定的学术影响力，包括但不限于 NeurIPS、ICLR、ICML、ACL、CVPR、ECCV、InterSpeech 等，具有一些有深度的研究工作是较大加分项，欢迎其他方向的多模态同学看音频方向的机会

曾发表顶级会议论文并具有一定的学术影响力，包括但不限于 NeurIPS、ICLR、ICML、ACL、CVPR、ECCV、InterSpeech 等，具有一些有深度的研究工作是较大
欢迎其他方向的多模态同学看音频方向的机会
具有较强的工程能力，有开发音视频实时交互系统的经验
具有高表现力/鲁棒 TTS 生成模型研究/开发经验
具有持续打磨好每一个技术细节的钻研精神
拥有知名开源项目，在开源社区具有较好的影响力