返回岗位列表

音频算法研究员/工程师（通义千问团队）

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

负责单人及多说话人语音识别技术的研究与开发；开展语音合成与高质量音频合成相关工作；进行音频前端处理与音色转换技术研究；实现音色克隆(Zero-Shot TTS)功能；探索音乐生成与歌声生成技术

岗位职责

负责单人及多说话人语音识别技术的研究与开发
开展语音合成与高质量音频合成相关工作
进行音频前端处理与音色转换技术研究
实现音色克隆(Zero-Shot TTS)功能
探索音乐生成与歌声生成技术
提升模型指令遵循能力与推理能力，包括SFT、GRPO等方法
优化流式音频交互模型的推理与加速，熟悉RTC/WebSocket等技术

任职要求

计算机、机器学习等相关专业背景，博士及硕士学历优先
具备较强的代码能力，拥有丰富的TTS、Codec、流式ASR研究经验及相关数据处理经验
精通Python编程语言及Pytorch等深度学习框架
熟悉Transformer架构及大语言模型基础知识
善于平衡研究目标与落地实现，以结果为导向
具备良好的沟通能力和团队合作精神
关注技术影响力，具有开源开放精神
曾发表NeurIPS、ICLR、ICML、ACL、CVPR、ECCV、InterSpeech等顶级会议论文者优先
具有音视频实时交互系统开发经验者优先
具有高表现力或鲁棒性TTS生成模型研究/开发经验者优先
拥有知名开源项目并在开源社区具有较好影响力者优先

加分项

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