返回岗位列表

AI 院--多模态音频团队--音频生成算法工程师（社招）

查看原岗位

地点：北京薪资：薪资未公开日期：2024-11-14

岗位摘要

负责交互大模型中的音频生成、音频理解算法研究、训练、应用，包括但不限于指令控制TTS、语音理解、语义VAD、音频编解码器等；负责模型的多机多卡训练、高性能推理等；负责将生成技术落地到业务，熟悉语音合成中的SFT技术，并进行持续优化

岗位职责

负责交互大模型中的音频生成、音频理解算法研究、训练、应用，包括但不限于指令控制TTS、语音理解、语义VAD、音频编解码器等
负责模型的多机多卡训练、高性能推理等
负责将生成技术落地到业务，熟悉语音合成中的SFT技术，并进行持续优化

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、沟通协作能力
有三年及以上语音合成算法经验，或三篇及以上顶会论文（各类CCF-A会、ICASSP/INTERSPEECH等）
熟练使用Python和Pytorch/Tensorflow深度学习框架
对以下至少一种熟悉并有相关经验
）语音大模型的框架&理论，包括但不限于Diffusion、Vall-E/SpearTTS/AudioLM、MusicLM
）音频理解大模型/ASR大模型，包括但不限于qwen-audio、sensevoice、whisper
）上一代语音合成模型，包括但不限于Tacotron、Fastspeech
）各类声码器的原理&优化，包括但不限于Hifi-GAN，MelGAN，BigvGAN
）有业务落地工程经验优先