ATH事业群-语音/音视频大模型算法工程师-北京/杭州

岗位职责

1. 语音/音视频大模型业务交付：负责 ASR/TTS/Omni 等语音及音视频多模态大模型在 ToB 商业化场景中的适配、调优与上线，围绕客户可感知的效果指标（识别准确率、合成自然度、响应延迟等）完成从评测到生产的全链路闭环。
2. 业务问题定位与解决：深入真实业务场景，诊断模型在复杂条件下的效果退化问题（噪声、口音、领域术语、实时性约束等），设计并落地针对性优化方案。
3. 客户需求转化：作为算法侧接口人参与客户技术对接，将业务诉求翻译为可执行的算法方案，管理效果预期与交付节奏。
4. 数据迭代闭环：建设业务数据回流、清洗、标注、训练、评测的飞轮机制，驱动模型在垂直场景中持续进化。
5. 工程协同：与工程团队协作完成流式推理、模型压缩、A/B 实验等能力建设，确保方案可规模化部署。

任职要求

1. 计算机、人工智能、信号处理等相关专业硕士及以上，3 年以上语音、音视频多模态算法工程经验。
2. 扎实的语音、音视频算法和落地经验，熟悉主流模型架构，有微调（SFT/RL）及线上效果调优的完整项目经历。
3. 有将模型能力转化为客户可量化收益的经验，善于在效果、工程约束、交付时间之间做取舍。
4. 扎实的工程实现能力，能独立完成从数据处理、模型训练到评测分析的全流程；熟悉主流深度学习训练框架及分布式训练方案。
5. 优秀的跨团队沟通能力，能适应多项目并行推进的节奏。

加分项：

1. 有 ToB 语音多模态产品（客服、外呼、会议、教育等）的算法交付经验。
2. 有大模型后训练（RL/GRPO/DPO）或端到端多模态模型的落地经验。
3. 有多模态音视频理解、agent相关经验（如语音、音频、视频内容的联合理解与分析、音画对齐、跨模态对齐等），熟悉多模态大模型者优先。

岗位标签

NEW