岗位描述
1、音频大模型研发（理解 + 生成双主线）： 参与音频基座大模型预训练、SFT 微调、RLHF 对齐；覆盖音频理解（ASR 语音识别、声音事件检测、音乐分类、音频内容检索、副语言 / 情绪识别、声纹校验）、音频生成（TTS 语音合成、音色复刻、歌声合成、文生音乐、音频修复、伴奏分离、Diffusion 音频生成、Audio Vivid 空间音频生成）两大核心方向。 2、全链路数据治理： 完成音频数据集构建、原始音频清洗、降噪预处理、标注质控、数据增强、多语种音乐语料扩充，搭建自动化音频数据处理流水线，支撑模型迭代效果提升。 3、模型优化与工程落地： 基于 PyTorch 完成模型训练、推理调优；开展模型蒸馏、量化、剪枝轻量化、流式推理优化，适配云端服务 / 端侧部署；对接算法工程、产品团队，完成音频能力 API 上线、线上指标迭代。 4、前沿技术调研与原型验证： 跟进 Audio LLM、Diffusion 音频模型、CosyVoice/F5-TTS、FunASR、Whisper 系列、音乐生成大模型、多模态音文对齐等前沿方案，快速完成技术 Demo 验证、竞品算法对标、技术方案选型输出。 5、业务场景落地迭代： 面向音乐平台、短视频音频、音频版权审核、智能音效、音频检索业务做算法定制化优化，解决远场噪声、多人混响、音色一致性、长音频生成断裂、多风格适配等线上痛点问题。 1、 2027 届全日制硕士 / 博士，优秀本科可破格；计算机、人工智能、信号与信息处理、声学、电子通信、自动化、应用数学、音乐信息检索（ISMIR）相关专业； 2、扎实数字信号处理 DSP 基础：傅里叶变换、梅尔频谱 Fbank/MFCC、时域 / 频域滤波、VAD 端点检测、声源分离基础原理； 3、熟练 Python，熟练使用 PyTorch 深度学习框架，具备 Linux 开发调试经验； 4、掌握机器学习、深度学习基础：Transformer、CNN、GAN、VAE、扩散模型 Diffusion 自监督学习基础原理； 5、能够独立完成模型训练、效果评测、问题归因分析，具备完整算法项目闭环经验。 加分项： 1、在ICASSP、Interspeech、ISMIR、NeurIPS、ICLR等音频 / AI 顶会有论文、Poster 或竞赛获奖； 2、开源项目贡献：语音 / 音频开源模型二次开发、Github 开源作品； 3、熟悉分布式训练（DeepSpeed、Megatron-LM）、模型推理优化（ONNX、TensorRT、流式 WebSocket 推理）； 4、掌握 C++，有端侧音频算法移植、嵌入式 DSP 音频开发经验； 5、音频相关竞赛获奖：语音识别、歌声合成、声源分离、音乐生成赛道。