多模态语音算法专家
岗位摘要
负责智能体场景下多模态理解与生成算法的研究、训练及应用，包括但不限于上下文感知语音识别、指令控制语音合成及全模态理解等方向；负责模型的多机多卡训练与高性能推理优化；硕士及以上学历，计算机、数学、通信等相关专业，具备良好的学习能力、逻辑思维能力和沟通协作能力
岗位职责
- 负责智能体场景下多模态理解与生成算法的研究、训练及应用，包括但不限于上下文感知语音识别、指令控制语音合成及全模态理解等方向
- 负责模型的多机多卡训练与高性能推理优化
任职要求
- 硕士及以上学历，计算机、数学、通信等相关专业，具备良好的学习能力、逻辑思维能力和沟通协作能力
- 三年及以上语音合成或语音识别算法经验，或三篇及以上顶会论文（各类CCF-A类会议、ICASSP/INTERSPEECH等）
- 熟练使用Python及PyTorch/TensorFlow深度学习框架
- 对以下至少一种方向熟悉并有相关经验：语音大模型框架与理论（如Diffusion、Vall-E/SpearTTS/AudioLM、MusicLM）；音频理解大模型/ASR大模型（如qwen-audio、sensevoice、whisper）；全模态多模态大模型（如qwen-omni、mimo-omni、Step-Audio、Covo-Audio等）
- 有业务落地工程经验者优先