返回岗位列表

多模态口语交互算法专家

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，深入理解全链路多模态交互技术；开展端到端多模态联合建模，实现语音/视觉/文本等模态融合并应用于人机交互场景；研发多模态交互应用算法，包括意图动态规划、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，深入理解全链路多模态交互技术
开展端到端多模态联合建模，实现语音/视觉/文本等模态融合并应用于人机交互场景
研发多模态交互应用算法，包括意图动态规划、多智能体协作、多任务推理、主动交互
设计多模态对话系统，涵盖多轮交互状态管理、情境感知、情感理解及生成控制
开发音视频内容理解能力，包括转写后处理、音视频分析、口语长篇章理解及生成
推动多模态口语交互技术在消费电子、具身机器人、内容消费等场景的落地应用
持续关注行业前沿动态，通过专利申请、论文和技术报告提升团队技术影响力

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
至少精通以下一项：多模态联合建模（语音+视觉/文本）、对话系统设计及开发、口语语言理解、多智能体交互决策
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
在顶级会议或期刊发表过相关领域论文者优先
有业界前沿的语音多模态交互或数字人交互系统算法经验者优先