返回岗位列表

多模态理解/音频大模型算法研究员

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

主导多模态理解/音频大模型的前沿算法研究及产业落地；研发语音识别、语音翻译以及音频分析等理解算法；开发跨模态（语音/文本/视觉）的音频语义理解系统；探索音频大模型架构设计；推动算法成果转化：通过ModelScope开源社区创造研究价值，或通过阿里云产品体系创造商业价值

岗位职责

主导多模态理解/音频大模型的前沿算法研究及产业落地
研发语音识别、语音翻译以及音频分析等理解算法
开发跨模态（语音/文本/视觉）的音频语义理解系统
探索音频大模型架构设计
推动算法成果转化：通过ModelScope开源社区创造研究价值，或通过阿里云产品体系创造商业价值
持续跟踪国际前沿技术动态（ICASSP/Interspeech/NeurIPS/ICLR等），参与国际会议、研讨会，与全球顶级团队进行交流合作

任职要求

计算机科学、信号处理、语音处理、人工智能等相关领域硕士及以上学历
2年以上音频AI研发经验，包括但不限于音频识别及理解、音频生成、数字人、多模态交互等方向
扎实的深度学习基础，熟练掌握PyTorch/TensorFlow等框架
优秀的编程能力（Python/C++），具备大规模音频数据处理经验
良好的跨团队协作能力，对技术落地有强烈热情

加分项

在音频、多模态、机器学习顶会或期刊发表过相关论文
深入了解语音在各类业务场景应用落地的相关挑战
具备多模态（语音+视觉+文本）交互系统研发及落地经验

福利待遇

在音频、多模态、机器学习顶会或期刊发表过相关论文者优先
深入了解语音在各类业务场景应用落地的相关挑战者优先
具备多模态（语音+视觉+文本）交互系统研发及落地经验者优先