岗位描述
1.参与音频与多模态知识产权安全算法的设计与建设,覆盖歌曲识别、旋律检索、歌手身份验证、声音克隆与 AI 翻唱检测等方向。 2.参与歌声分离、音频指纹、音频表征学习、旋律建模、speaker/singer embedding、合成音频检测等模型的复现、训练和优化。 3.参与音频—文本—图像—视频联合建模,探索跨模态检索、音视频一致性、人物与声音一致性及内容溯源能力。 4. 建设高质量训练与评测数据,设计变速、变调、翻唱、重编曲、压缩、噪声、多人声和 AIGC 生成等对抗/增强样本。 5.建立离线评测、阈值校准和误例分析体系,将模型指标转化为可解释、可落地的业务工作点。 6.跟踪音频生成、音乐信息检索、语音深度伪造、多模态理解和内容安全方向的前沿研究,推动论文方法在真实场景中的验证。