语音与音频大模型算法工程师 - 抖音

岗位职责

团队介绍：Data-抖音团队，负责抖音APP的推荐算法、AI大模型应用、内容算法、增长算法、广告自动化投放、智能对话等算法工作，对接全链路各体裁（短视频，图文）各业务（内容消费，互动，UGC，双列，社交，生态，垂类，创作，消息，汽水音乐，精选，随变，增长投放，评论，内容理解&安全、智能对话等）。我们的工作涉及大规模推荐算法的优化、多业务复杂约束下的优化问题、多模态内容理解、LLM基础技术研究、业务Agent化和创新AI落地应用、CV/NLP等多个学术领域的算法改进工作、对多种场景的推荐架构的设计和实现和对产品数据的复杂深入的分析工作。在这里，你可以深入钻研机器学习算法的改进和优化，探索工业界最领先的推荐系统架构和推荐大模型算法、可以通过使用最新的大模型技术支持抖音的AI分身、业务智能化、智能客服等创新探索；可以通过对产品的深度理解和思考，将算法应用到业务中去；也可以通过对产品和内容生态的深度分析，影响产品未来的发展方向。

1. 负责抖音AI分身、智能客服、VoIP等场景的语音与音频算法研发，提升实时语音交互的智能水平、自然度和稳定性；
2. 依托公司语音及多模态基座模型，开展端到端语音对话的后训练和场景适配，提升语音理解、指令遵循和情感表达能力；
3. 研发和优化流式语音识别、语音合成、音色与韵律建模、音频理解及音视频协同等核心能力；
4. 建设语音后训练数据和评测体系，综合优化识别准确性、首包延迟、打断响应、轮次衔接、自然度和复杂环境鲁棒性；
5. 推动语音模型规模化落地，通过流式推理、蒸馏、量化和缓存等方法平衡模型效果、交互延迟和服务成本。

任职要求

1. 2027届获得本科及以上学历，计算机、人工智能、电子信息、自动化、声学、数学等相关专业优先；
2. 具有扎实的机器学习、深度学习和信号处理基础，在语音识别、语音合成、语音对话或音频理解等方向有实践经验；
3. 理解Transformer、Conformer及端到端语音模型的基本原理，了解大模型后训练相关技术；
4. 具备扎实的Python及PyTorch编程能力；有C++、分布式训练或在线推理优化经验者优先；
5. 具备良好的实验分析和工程协作能力；有相关论文、开源项目、竞赛或实习经历者优先。