蚂蚁集团-实时音视频评测-健康事业群

岗位职责

实时全双工语音大模型与多模态数字人系统的核心研发，攻克流式交互中的智能打断、接话时机、长程状态保持及音画同步等关键技术难题。

任职要求

1. 实时语音/音视频交互方向

• 做过语音大模型、实时语音助手、语音通话 Agent。
• 理解用户打断、抢话、等待、接话时机、长对话状态保持。
• 有流式 ASR/TTS、Speech LM、Audio LM、多模态大模型经验更好。
• 能把“实时交互自然不自然”拆成评测指标和 benchmark。

1. 实时多模态生成方向

• 做过数字人、虚拟人、语音驱动 avatar、talking head、全身动作生成、虚拟环境交互。
• 理解口型同步、表情动作同步、身份一致性、动作自然度、长时稳定性。
• 有 3D/动画/图形学/视频生成/多模态生成项目经验更好。

特色标签

AI、C++、CI/CD、Golang、Java、Jira、LLM、MySQL、PHP、Python、Selenium、TestNG、人工智能、医疗、医疗业务、医疗场景、可靠性、多模态交互、多模态处理、大语言模型、定制化、持续交付、数据分析、智能体、测试工具、特征工程、用户定制、算法工程、算法链路、计算机相关专业、质量保障、高品质稳定性