业务技术-语音算法专家-直播

岗位职责

1. 高表现力语音合成系统开发： 负责淘宝直播数字人的TTS系统研发，重点突破多情感、高表现力、极具电商直播感染力的语音建模，实现语速、重音、情感的动态可控；
2. 全双工交互系统构建： 设计并实现数字人全双工语音交互架构，包括语音活动检测、打断唤醒、交互逻辑控制等，提升数字人在直播场景下的即时互动感；
3. 端到端交互大模型研发： 参与并研究应用端到端语音大模型，探索流式语音输入与输出的深度融合，解决传统级联模型的语义割裂与延迟问题；
4. 极致性能优化： 针对直播实时性要求，优化语音全链路延迟，从模型压缩、推理加速到流式处理，保障低延时体验；
5. 场景化落地： 与产品和工程团队紧密配合，将全双工交互技术应用于直播间智能导购、等业务场景，提升用户留存与转化；

任职要求

1. 计算机、人工智能、信号处理等相关专业硕士或博士学历；在语音合成、语音识别或对话系统领域有扎实的技术沉淀；
2. 熟悉 全双工交互关键技术，包括高性能 VAD 算法、回声消除原理、打断机制逻辑及状态机管理；
3. 精通 Python、C++，具备优秀的编程习惯及算法落地能力；
4. 对电商直播行业有一定了解，有数字人项目经验者优先。